Netflix 宣布了其超过十年来最大的消费者界面全面革新,新界面不仅展现出更简洁的外观和每个节目的更多信息,还加入了更智能的 AI 搜索工具,该工具能够理解模糊概念(例如 “氛围”),同时采用灵活的结构,更好地展示公司对视频游戏、现场活动、体育以及其他新型内容日益浓厚的兴趣。
而为了紧跟潮流,新增加的适用于移动用户的竖屏视频组件将使粉丝更便捷地滚动浏览预告片和片段、观看完整节目或与他人分享素材。这种设计风格让人联想到微视频平台 TikTok 那种无尽滚动的模式,而 TikTok 恰恰是 Netflix 在争夺观众观看时间上的主要竞争对手之一。
Netflix 首席产品官 Eunice Kim 表示:“我们认为现在是迈出巨大步伐的时刻。” 新界面“更简单、更直观,也更好地展现了公司庞大平台上所提供的多样化娱乐内容。”
Kim 进一步解释道:“目前的电视体验主要针对剧集和电影设计,而这次革新是为未来做准备。”
Kim 与首席技术官 Elizabeth Stone 在技术简报会上指出,现在正是更新用户界面以跟上 Netflix 节目内容不断变化的时候,同时也需要让搜索功能更加敏捷和智能。另一个重点在于减少用户在查找节目相关信息时不得不进行的“眼部体操”。更简洁的界面将一目了然地呈现更多关键信息,从而帮助用户简化决策过程。
Kim 表示,新用户界面将从今日起全球陆续推送。
关键快捷方式,例如显示提醒和“继续观看”标签的 My Netflix 标签,现在将以更醒目的位置展示在屏幕顶部。
在过去的一年里,Netflix 积极进军更多直播活动和体育内容领域。比如,在一场由网红 Jake Paul 与年迈的前重量级拳击冠军 Mike Tyson 之间的表演赛中,该节目吸引了全球约 6500 万观众。然而,这一单一节目的巨大观众流量对 Netflix 的服务器构成了极大压力,并引发了系统故障和服务中断的投诉。
去年秋季,Paul 与 Tyson 直播时出现的流媒体问题,在几周后 Netflix 顺利直播两场 NFL 常规赛足球比赛时得到较好解决(尽管当时的观众高峰远不如前者)。
不过,公司仍在不断加大对直播活动的投资,这类活动需要采用不同的网络架构以应对高峰需求。此外,直播通常来源于全球某一特定地点,但又必须迅速传达到 Netflix 服务覆盖的每一个角落,这样的需求只会越来越高。
今年初,Netflix 开始播出 WWE 的 RAW 每周节目,凭借其狂热粉丝群体,同时还推出了更多直播节目,例如由 John Mulaney 主持的 Everybody’s Live,该节目为一档改版的每周脱口秀。同时,Netflix 也延长了与 NFL 的合作协议,并在考察其他类型的直播活动和体育赛事。
为适应直播体育和活动内容的变化,Kim 表示用户界面需要一个更完善的提醒系统,以便让感兴趣的观众及时知晓某活动何时开始或进入关键时刻。“我们必须告知您何时收看现场比赛,” Kim 说道,“我们需要更好的方式在主页上突出展示各类元素,(新版界面)也需要在关键时刻引领您体验看或参与节目的乐趣。”
公司还需要顺应视频游戏领域的需求增长,近年来在这方面的投资逐步加大,而视频游戏通常资源密集且能够比许多节目更长久地吸引观众。
为了进一步适应直播节目对网络资源的高需求,Stone 透露公司将为其长期分发网络 OpenConnect 增加更多应对高峰需求的能力。
随着节目库不断膨胀以及观众选择日益丰富,高效帮助观众迅速找到喜好内容,已成为所有流媒体服务面临的一大挑战。Netflix 一直被认为在满足约 7 亿观众各自需求方面表现出色。
移动端界面将新增内容浏览方式,用户能够通过上滑竖屏信息流轻松浏览各种片段和预告片。一项名为 Moments 的新功能将允许观众保存、重播和分享片段。
Kim 表示:“所有这些功能都是为了让人们点击播放并持续观看。”
新版搜索功能将不再局限于公司过去几年使用的机器学习工具。以往的工具主要是基于“某人喜欢某个节目,因此同样喜欢该节目的其他观众也可能喜欢其他节目”的逻辑进行推荐。
Stone 介绍说,公司正探索利用生成式 AI 与响应式搜索工具,整合“更多信号,从而更好地为您推荐可能喜爱的节目”,“这样寻找节目的过程将变得神奇般地简单。”
生成式 AI 工具将能够理解“自然对话式短语,例如 ‘我想看点积极幽默的节目’”,并据此推送相应氛围的选项。Stone 举例说明,推荐内容将高度个性化,即便是居住在湾区的两位处境相似的职场女性,其推荐节目的列表也可能大相径庭。
她补充道:“这并非完全符合常规预期。虽然我们都是生活在硅谷的科技迷,但如果搜索引擎始终为我们推荐相同的节目,最终我们都会感到失望并转投他处。”
对于全球数以亿计的国际观众,AI 还将生成多种语言的个性化节目标题信息。
今年四月底,Netflix 推出一项细微的选项,允许观众选择以原始语言字幕观看节目,从而只显示对话翻译,而不包括音效、音乐提示等属于面向聋哑人士的字幕(简称 SDH)中的其他音频信息。该功能随连续剧《You》第五季的上线首次亮相,此后将在所有 Netflix Originals 中逐步推广。
Kim 表示,相对令人意外的是,至少在初期,新版用户界面对使用广告支持、收费较低的基本套餐观众的展示,与使用较高价无广告版本的用户并无明显差异。
Stone 表示:“我们希望这能让会员和广告主都对 Netflix 充满期待。”
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。