CNET科技行者 12月20日 北京消息:豌豆荚昨日下午宣布,全面升级豌豆荚设计奖,打造流量、内容、品牌三维一体的新分发模式,推动应用分发行业消费升级。
去年,阿里应用分发在成立,整合了豌豆荚、阿里·九游、PP助手等应用分发平台,实现全流量矩阵布局。
据阿里移动事业群轮值总裁黄浩介绍,过去一年,全流量矩阵加阿里大数据激发了精准分发的效应,使阿里应用分发人均分发提升了40%,安装激活转化率提升20%~70%,持续强化“用户质量高”的核心。平台推出精品游戏扶持项目“积木计划“、联动9Apps、9Games为开发者提供出海服务等服务,为合作伙伴实现更多价值。目前,阿里应用分发已成为阿里大文娱重要的入口。
阿里应用分发总经理梁延俊表示,在完成碎片分发渠道整合后,下一步阿里应用分发将专注于提升用户服务力,强化内容分发布局,实现新分发模式。
梁延俊指出,据国家统计局、Trustdata等多家机构数据显示,当前移动互联网已进入消费升级时期,泛90后成品质消费核心主力,中高端手机占比已达六成。把握消费升级红利,光靠“流量”的分发思维是不够的。他认为,用户对app正在从“功能诉求”转向 “品质诉求”,尤其是00后这一代,会更加追求快乐、健康、个人实现等价值观的“情感诉求”。这意味着,“谁能洞察人心,谁最终流行,”他表示,阿里应用分发将践行流量、内容、品牌三维一体的新分发模式,第一步就是升级豌豆荚设计奖。
三维一体新分发模式
豌豆荚设计奖成立于2011年,一直从设计、功能、内容、创新四个维度评选出不一样的好应用和游戏。印象笔记、滴滴、Airbnb、部落冲突等应用都曾在他们的发展初期时获得豌豆荚设计奖,也令豌豆荚设计奖被誉为app领域的“星探”。
下一步,豌豆荚设计奖将从流量、内容、品牌建立三维一体新分发模式。
流量方面,豌豆荚设计奖从栏目升级为独立频道,至少增加数倍的流量曝光。不仅通过定制的精美闪屏、黄金卡片等重要资源传播获奖app,还将通过视频、图文多种内容形式来进行推荐,探究产品背后的故事等内容,拉进用户与开发者之间的距离。
内容方面,加强内容分发战略,不会只停留在设计奖。梁延俊解读,“阿里应用分发平台将有层次和结构化地组织高品质的UPGC内容”。平台上既有来自高质用户生产的评论等内容;还将与和阿里大鱼号合作,聚合并筛选优质玩家、应用测评师制作app相关内容;PGC层,平台将在原先少数派、AppSo等专业app测评媒体合作基础上,新增与游戏类媒体的合作,增加游戏内容,并引入跨界顾问机制。
品牌上,豌豆荚设计奖旗下“应用发布会”栏目摸索了一套从端内到端外的定制化立体宣发模式,先后为讯飞输入法、红板报、我的世界等app定制化内容营销方案进行创意首发,实现新增激活平均提升163%、分发总量平均提升5倍。未来,这套立体宣发模式将用于豌豆荚设计奖等多项平台项目。
发布移动生活风尚趋势 推用户体验项目“异想实验室”
豌豆荚设计奖联合《新周刊》,在活动上发布《移动生活风尚趋势》,解读了“越是独立 越是游戏“、“虏获她心推动消费”、“内容付费 回归理性”、“提升效率 碎繁就简”、“赛道升级攻心为上”五大app移动生活趋势,帮助行业开发者抓住消费升级下的新机会点。
在用户服务方面,豌豆荚设计奖宣布推出“异想实验室”项目,联合获奖 app 及跨界品牌资源,用奇思异想为用户创造线上到线下的体验式活动。
首期项目,豌豆荚设计奖联合知名设计师杨明洁,针对骑共享单车时导航难的问题,设计了一款手机导航支架。
“回归初心,提升服务力,”梁延俊表示,豌豆荚设计同样也在面临消费升级的挑战,要想获得更长远的发展,就要坚持“发现更大更美好的世界”的价值观,搭建和用户心智和情感建立关联的好平台。
纪念碑谷2、VUE等11款app获2017豌豆荚年度设计奖
在盛典上,豌豆荚颁发了2017豌豆荚年度设计奖。《纪念碑谷2》、《元气骑士》、《致命框架2》、《我在7年后等着你》四款游戏获得了年度游戏。VUE、夸克浏览器、好好住、网易蜗牛读书四款应用获得了年度应用。此外,雨纪、摩拜单车、折扇团队则获得了年度设计团队。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。