在新款手机集中发布的这个时段里,一加没有发布新品,而是发布了一款手机OS——氢OS。一加科技创始人兼CEO刘作虎称,他希望氢OS可以成为一个和其他安卓操作系统不一样的操作系统。
一加手机自上市至今,一直在硬件上有高追求,国内版一加手机出厂预装Color OS,国外版出厂预装的则是CM,现在,一加正式推出了基于安卓5.0深度定制的一加氢OS,希望能够变成和苹果iOS不同的操作系统。
刘作虎毫不客气的指出,从商业角度考虑,改得更像iOS或许是一个安全正确的选择,但同时这是懒惰、不创新、不思考的表现,这不是一加的性格。
不愿走其他深度定制安卓的老路,刘作虎推出的氢OS基于安卓L深度定制,将设计语言统一于Material Design(简称MD),强调明亮的艺术化色彩和灵动的交互。
在MD出现之前,原生安卓系统并没有统一的设计风格和规则。在刘作虎看来,拥抱Material design,是对安卓的尊重。
发布会现场,刘作虎演示了一些氢OS让他得意之处。
氢OS在Material Design的交互框架之上,用基础的图形、颜色和动效打造高效、有趣的设计,一加称这种这种全新的设计理念为“氢表达”。市面上许多手机OS都是非拟物既扁平的设计风格,并且很多OS都模仿iOS用圆角矩形的图标样式。氢OS不是简单而绝对的扁平化或拟物化,刘作虎现场说Material Design“不模拟现实,但构建真实”,而氢表达正是一加对这种独特设计理念的自我解读。
一加氢OS有一个非常独特的首屏界面:创新的氢视窗位于屏幕上半部分,占整体约1/3的大小,辨识度相当高。氢视窗最独特的就是它集成信息进行展示的功能。这个功能类似于安卓此前的widget,不同的是widget是单一APP的信息提示,而氢视窗里能看到的则是整合了诸如短信、待办事项、通知提醒等各个APP的集成信息,并以时间轴的形式呈现,这种呈现方式更加美观高效。
同时,利用氢视窗切换壁纸时,壁纸图片只会在氢视窗里展示,同时氢OS会通过算法抓取图片的色彩,并将它深化到全局。刘作虎称氢视窗是“实现了33%的自由,完美解决了自由和美感之间的矛盾。
一加氢OS还将“滑动之美”这一概念深入到了整个系统当中,“滑动之美”是氢OS非常核心的一个交互理念。目前最常见的解决单手操控大屏的方案多是下拉悬停或切换小屏,氢OS的“滑动之美”则为用户单手操控大屏手机提供了更好的操作体验。
用户可以依靠滑动来完成许多操作,例如桌面上各个文件夹之间可以滑动切换,滑动拉近通知中心里靠近顶部的内容,桌面界面下滑呼出搜索界面,滑动以接听/挂断电话,相册内下滑返回缩略图等等。滑动之美兼顾了操控性体验和大屏的显示优势。
手机上各类APP的通知推送,会耗费用户不少精力和时间。一刀切的解决方式显然不太人性化,为了让控制力重新回归到用户手上,氢OS打造了全新的通知处理方式——通知降噪。用户将APP添加进优先区域内,即可及时收到通知推送,而非优先区域内APP的通知则不能被随时推送。
出于整体美观度和完整性的考虑,一加氢OS取消了其他OS通用的Dock栏设计。氢OS首屏共能放置9个常用的APP,对于日常使用已经足够,而一旦用户装载了几十甚至上百个APP的时候,下滑呼出搜索栏的操作更加高效。
氢OS对联系人头像进行了精心设计。在多数OS中,默认的联系人头像通常是千篇一律的半身像。氢OS从诸多建筑中汲取特殊结构,针对26个字母进行特殊设计之后,分别与8组撞色进行搭配,使得每一屏里的联系人头像都是独一无二的。这些头像还能以卡片滑动的形式呼出。
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。