3月26日,网易新闻客户端5.0正式上线,产品交互格局焕然一新。以“直观,定制,多元,聚合”为产品设计理念,采用全新的架构直观展现优质内容,基于兴趣化阅读打造用户专属阅读节奏,为用户提供图文消息与视听新闻多场景阅读体验,同时聚合生活服务版块让用户在资讯之外获得更多惊喜。考虑到用户多样化的使用场景,5.0版本延续了4.0打造用户专属阅读节奏的理念,致力于满足用户不同情境之下的阅读需求,成为用户发现精彩世界的一扇窗口。
直观:全新架构直观展现优质内容
除了优质的新闻资讯,网易新闻客户端个人中心、多媒体内容、服务性板块等在过去的一年中得到了较大的提升,已成为网易新闻客户端重要的优势资源。为了更好的呈现日益成熟的优势资源,此次版本更新,对首页架构进行了优化布局,新的信息构架给更多优质内容以直观的展现,并根据不同的场景对资讯内容进行了准确的划分,整合了新闻、阅读、视听、发现、我五大核心栏目,栏目划分简约聚合,旨在为用户提供更流畅更便捷的操作体验和更大的阅读空间,让用户在碎片化的时间里快速找到自己想看的内容。
定制:兴趣化阅读打造专属阅读节奏
当移动新媒体资讯千篇一律时,产品如何做出千人千面的体验?改版后的订阅平台和推荐栏目升级整合为“阅读”栏目,调整了推荐的定位,根据用户阅读习惯和兴趣进行个性化推荐,另有编辑精选保证内容质量和优质账号推荐,同时网友可以在媒体列表中继续添加喜欢的账号。在海量的信息中为用户推荐他们最感兴趣的内容,把握用户的移动阅读节奏,营造一种慢阅读的氛围,与新闻TAB的时效性和紧张感形成互补,满足用户不同层次的新闻阅读需求。
多元:图文消息与视听新闻多场景阅读体验
传统的图文阅读体验在5.0版本中得到了进一步的提升,升级后的“新闻”栏目,持续为受众提供最新最快的热点新闻和编辑筛选的精品阅读,并对直播、跟贴等进行栏目化运营,同时还将搜索、夜间等常用功能布局在首页展示,方便用户快速使用新闻阅读基础功能。在此基础上,5.0版本推出“视听”栏目,包括“视频”和“电台”两个板块,主打精彩的原创电台和最新最快的短视频新闻,接口位置更优,视听体验更流畅,突出看(视频)新闻、听(音频)新闻的不同使用场景,采用多样化的媒介表现形式,并在多媒体之上增加了交互性,打破了单一的新闻阅读场景,给用户带来全方位的资讯阅读新体验。
聚合:多样化生活服务发现更多惊喜
原本入口较深的活动广场、应用中心、游戏中心、有态度俱乐部等版块被安排在一级入口“发现”栏目中,获得了更多位置上的优势,更好的为用户提供趣味性的娱乐活动和多样化的增值服务,实现网易新闻客户端在商业化和用户关怀上的双重功能。同时,彩票、公益、身边服务等功能的入口也被规整到“发现”栏目,用户的消费需求在该栏目有了集中性的出口。个人主页则被升级为“我”栏目,该栏目汇集用户的个人数据和专属服务,建立以金币为基础的用户个人体系,以金币激励用户、以任务引导用户。通过金币和可视化的数据激励用户阅读更多新闻的同时,打通支付环节,引导用户尝试更多专属的个人服务。
此次新版本架构清晰,交互体验流畅便捷,富媒体内容更加丰富,针对用户不同的阅读层次和不同的阅读场景,满足用户多维度的资讯阅读需求,成为用户看世界的窗口,并在此基础上加大用户关怀的范围和力度,持续为用户提供愉悦的资讯阅读体验。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。