近日,网易新闻Android和iOS10.0版正式登陆各大应用商店。新版本在用户体验上的核心变化主要在于直播频道入口提前至首屏顶部,用户打开客户端便可一键抵达。事实上,前不久上线的网易新闻9.0版本已经完成对直播频道内部的全面改版,直播资源按栏目和版块聚合,让用户从瀑布流式浏览进入按需选择直播资源阶段。今年以来,确定了以“直播”为产品创新核心的网易新闻进行了一系直播功能和用户体验的优化升级。连续两次产品迭代均以“直播”为核心,凸显了网易新闻打造直播内容和产品生态的平台战略升级。
直播频道”搬家” 一键实时“追热点”
眼下参加一场婚礼、录一首歌、看一场秀都能被直播,其火热程度可想而知,走在街上似乎都能看到举着手机做直播的人。而屏幕的另一端,拿起手机随时随地看直播的人也越来越多,新闻直播自然也不例外。网易新闻10.0将原本默认排序在顶部频道导航栏第六位置的直播频道移至首屏顶部并带上了相关标识,和平台的搜索功能相对应。直播标识上的数字代表了正在直播的数量,用户可以直观感知到直播内容的变化。相比以前用户需要操作多步才能进入直播频道,新版本不仅便利了用户的直播资源获取,更是以产品体验来驱动用户养成看直播追热点习惯的重要一步。
作为新闻资讯客户端中率先进入直播领域的代表,网易新闻目前每周直播总量已超100场。在社会热点及突发事件的报道中,直播已成为最快跟进、信息覆盖最为全面的报道形式。最重要的是,直播自带的高强互动属性,还能满足用户日益增长的大事件“参与”需求。因此,直播入口的提前不只是用户体验的优化,更是将直播作为一种强大的新闻载体重塑用户与热点事件关系的深层解读和产品创新。直观的入口和强大的内容能帮助用户建立起随时随地看新闻直播的习惯,尤其在热点事件传播时,让用户首先想到的是通过直播实时追踪热点而不只停留在传统报道的内容汲取。
直播资源栏目版块化 精准用户需求
10.0版本将直播入口提前,同时也是考虑到9.0对直播频道进行版块和栏目设置后,直播频道相比之前可以沉淀更多资源优质,直播入口有了更强大的内容平台基础。
更新后的直播频道由原来的瀑布流式资源呈现调整为按不同版块和栏目进行内容聚合,除顶部的重要直播推荐外,添加了“即将直播”、“天网直播”、“新闻直播”、“娱乐、科技、时尚”等垂直领域直播及目前已形成固定播出模式的网易星在线、网易纵横谈等直播栏目。未来在直播频道,用户不仅可以通过“新闻直播”获取热点事件信息,或许还能同时在各垂直领域直播及网易新闻PGC(专业制作)直播中获取事件的不同角度解读。
自去年网易新闻开辟直播频道以来,越来越多的PGC和OGC(职业制作)进驻网易新闻产出大量原创直播内容,直播数量和用户参与量不断攀升,反映出沉淀更多优质资源的迫切性。随着直播的栏目化,针对固定栏目粉丝群体的阅读体验升级更是急用户之所需。如前不久《波士堂》、《鲁豫有约》等王牌电视节目相继试水网易新闻手机直播,强大的粉丝效应得到了延续,直播参与量和用户口碑双丰收。今年以来,网易新闻在PGC合作上坚持内容为王,诞生了《我在故宫走着瞧》、《明星调查局》等多个形成专业内容持续性生产的直播节目和栏目。用户对此类节目的关注也在资源沉淀和分发上向产品端提出了更高要求。
当下直播俨然已成为互联网行业的大热门、资本竞相追逐的风口,但落回到平台可持续发展上,终究还要看各自领域的内容角逐。作为互联网媒体的佼佼者,网易新闻的专业和深度报道能力在直播领域得到不断佐证,隆诗大婚、人机大战、环太平洋连环地震等直播均创下千万级的用户参与量。而作为支持直播内容生态构建的产品端创新,从网易新闻6.0上线支持360度全景直播、本地直播资源实现按地域精准推荐,到9.0直播频道改版和最新版本的直播入口提前,网易新闻今年以来的产品迭代以技术为驱动力,不仅有效实现了直播资源的沉淀和分发,更在用户体验上走在了行业前列。
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。