過去的幾個(gè)月內(nèi),Netflix視頻內(nèi)容的平均數(shù)據(jù)流速度下降了近30%,而Netflix和美國(guó)有線電視服務(wù)商康卡斯特(Comcast)達(dá)成的交易協(xié)議終結(jié)了這個(gè)令Netflix頭疼的問題。根據(jù)協(xié)議,康卡斯特的用戶將能夠順利獲得Netflix的流媒體內(nèi)容。
據(jù)有關(guān)消息人士向《華爾街日?qǐng)?bào)》表示,Netflix已同意支付康卡斯特買路錢,以獲得直接訪問其寬帶網(wǎng)絡(luò)的權(quán)限。這份協(xié)議的宣布,距離康卡斯特公布以450億美元并購(gòu)時(shí)代華納有線電視(Time Warner Cable)的消息不到兩周,而這項(xiàng)并購(gòu)若能順利獲批,那該公司將可在全國(guó)創(chuàng)建一個(gè)為3300萬名客戶服務(wù)的有線電纜帝國(guó)。
該協(xié)議隨兩公司的聯(lián)合聲明一同發(fā)表,未透露該協(xié)議交易條款。
“康卡斯特和Netflix在今天宣布了一項(xiàng)互利互連協(xié)議,在未來的日子里,該協(xié)議將會(huì)為康卡斯特的美國(guó)寬帶用戶提供一個(gè)高質(zhì)量的Netflix視頻體驗(yàn)。Netflix和康卡斯特已合作多月,兩公司間已經(jīng)建立了一種更為直接的聯(lián)系,類似于其他網(wǎng)絡(luò),在為用戶提供更好的用戶體驗(yàn)的同時(shí),也考慮到了未來Netflix網(wǎng)站流量的增長(zhǎng)。Netflix并未在這份長(zhǎng)期合作協(xié)議中獲得優(yōu)惠,而相關(guān)條款也未被披露。”
根據(jù)協(xié)議,Netflix可以直接連接到康卡斯特的網(wǎng)絡(luò)上,而無需像以往那樣通過網(wǎng)絡(luò)中間商接入。
多年來,Netflix和康卡斯特一直就前者的視頻銷售網(wǎng)絡(luò)免費(fèi)接入要求而僵持不下??悼ㄋ固叵M鸑etflix能夠?yàn)槠鋵S梅?wù)器連接服務(wù)付費(fèi),而Netflix希望能夠免費(fèi)連接到康卡斯特的寬帶網(wǎng)絡(luò)。該有線電視巨頭過去一直在尋求因Netflix用戶造成的網(wǎng)絡(luò)擁擠現(xiàn)象的賠償,認(rèn)為為其提供網(wǎng)絡(luò)視頻使康卡斯特有了網(wǎng)絡(luò)負(fù)載。
近幾個(gè)月來,這一矛盾逐漸升溫,有民眾意見稱康卡斯特用戶獲取Netflix視頻內(nèi)容速度持續(xù)惡化。而據(jù)Netflix上月公布的數(shù)據(jù)顯示,自去年10月以來,康卡斯特用戶獲取Netflix視頻內(nèi)容的平均數(shù)據(jù)流速度下降了27%。
這筆交易的達(dá)成很可能將迫使Netflix與其他寬帶運(yùn)營(yíng)商簽署類似的協(xié)議,如AT&T、Verizon和時(shí)代華納有線電視等運(yùn)營(yíng)商,他們也都曾拒絕過Netflix希望免費(fèi)連接到他們服務(wù)器的請(qǐng)求。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。