
作为商务人士,手机已经成为工作与生活中不可缺少的一部分。但往往在工作中,由于手机操作系统内过于杂乱的APP图标、毫无营养的系统通知汇总、反人类的触屏交互体验等问题,不仅降低了办公效率,更会影响到整天的心情,陷入工作、生活一团糟的窘境。
面对这样的窘境,为带给用户极致的使用体验,帮助商务、生活用户化身艺术的生活家。一加手机于5月28日召开发布会,会上宣布推出自家深度定制的系统——氢OS。氢OS是一款基于Android5.0深度定制的操作系统,在此基础上,秉承超前的Material Design风格还加入了颇具艺术感的氢表达、氢视窗以及滑动之美等设计元素。
氢OS只为极致的用户体验而生
发布会开场后,刘作虎上台讲述了氢OS诞生原因。在一加手机眼中,用户体验是硬件和软件的紧密结合,所以,为了提供极致的用户体验,一加手机选择打造一款美观、简约、流畅、稳定、省电的OS。
刘作虎表示,“iOS的优秀是毋庸质疑的,但美的表现形式不是只剩下模仿苹果这一条路。一加从Material Design找到了灵感。作为一种全新的设计理念,它绝对是一种符合大屏时代趋势的设计。它的一些细节的精妙处理让整个系统变得灵动、充满活力。我们要做的,就是基于一加的生活方式和世界观,在Material Design的基础上打造一款全新的OS。”
全新的设计理念——氢表达
随后,氢OS的产品经理曾熙上台讲述了氢OS全新的设计理念——氢表达。氢表达可简单理解为氢OS专有的颜色图形体系。首先在参考了柯布西耶的色卡体系后,确定了一系列源于自然、简单、耐看的色彩体系作为基础。然后在此基础上,利用圆形、方形、三角形这三个最基本的几何图形,打造出属于氢OS的美观、简单、耐看的整体风格。
图标
16个内置的App图标,全部采用简洁的线条、形状、颜色,勾勒出每个应用的特质。
时钟
时钟界面采用三个大小不等的表盘来显示本地时间和其他用户设置的世界时间,而昼与夜则用白、黑两色代表,一目了然。
联系人
联系人界面采用重新设计的26个英文字母作为默认的联系人头像,每一个字母都拥有8种不同的色彩,并且能以卡片滑动的形式动起来。
氢OS利用独有的氢表达高效而又统一地实现了所有的功能设计,所以氢表达并不是简单而绝对的扁平化或拟物化,而是让设计也拥有了自己的情绪。例如一加天气通过重力感应实现的雨、雪动态效果、充电界面能量涌入的效果以及创新的关机动画,这些细节都体现出了情绪化的设计可以为用户带来的惊喜体验。
氢表达理念下的实际使用体验
设计理念确定了,下面就介绍下氢OS在实际体验中所拥有的功能。
1. 自然且符合逻辑的操作——滑动之美
在一加手机看来,滑动才是在大屏手机时代更为自然且符合逻辑的操作,于是氢OS提出滑动之美的概念,并深入到了整个系统当中。
诸如,在通知中心,用户可通过滑动点击到最上方的通知;开启文件夹后,向下滑动即可关闭,左右滑动便可切换文件夹等操作,均是通过滑动来方便用户操作体验的最好证明。
2. 33%的自由、整合信息——氢视窗
氢视窗是氢OS选择的“理智个性化”的道路,首屏通过氢视窗+9个常用图标的设计,为用户提供了33%的自由选择权,用来设置自己喜欢的图片到氢视窗部分进行显示。与此同时,系统会自动抓取该图片的色彩,并自动生成系统背景。而为保证系统桌面整体的美观性,氢OS更是大胆的取消了Dock栏的设计。
氢视窗除了应用于壁纸的更换,还可提供事件、日历项、短信等信息以卡片的形式的展现,而这些卡片也会按照时间、地点等元素进行自动排列,让用户获得十分便携的使用体验。
3. 砍掉冗杂信息——卡片式短信
针对目前用户对短信的使用频率降低的情况,氢OS设计了独有的卡片式短信。系统会自动砍掉短信中多余的文字,将信息整理成简单明了的卡片,并且和移动互联网服务实现完美对接。
4. 控制力的回归——通知降噪
通知降噪功能的设计,主要是针对当下手机通知过于杂乱的情况。将控制力交还给用户本身,用户可根据自身的使用需求,对重要的应用程序设置通知优先级,从而实现通知栏的智能化过滤。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。