近日,小米公司斥資2200萬購買新域名mi.com一事,受到了媒體的普遍關(guān)注。實際上,近年來,企業(yè)網(wǎng)站爭相購買天價域名的事件層出不窮。2010年初,新浪高調(diào)宣布購買了weibo.com;2013年3月份,京東正式將重金購得的www.jd.com投入了使用,取代了之前的360buy.com;還有占據(jù)國內(nèi)第一頁游平臺地位的37游戲,于2014年3月斥資1200萬,購買了37.com的天價域名,并在差不多同一時間,將公司名稱由37wan改成了37游戲。
某品牌推廣咨詢師認為,在公眾對虛擬世界的認同愈加清晰強烈的今天,對用戶來說,域名標志著訪問企業(yè)、網(wǎng)站的行業(yè)地位、獨一無二的品牌ID和更廣闊的市場??梢哉f,網(wǎng)站域名影響著一家企業(yè)的知名度、嘗試率等重要指標。所以,國內(nèi)知名企業(yè)和網(wǎng)站在發(fā)展到一定階段后,不惜重金投入,啟用與品牌形象有直接關(guān)聯(lián)、能夠引發(fā)用戶積極聯(lián)想的域名。但是,天價購買域名,畢竟是亡羊補牢,所費不菲。面對前車之鑒,無論對于大型企業(yè),還是中小企業(yè)來說,最穩(wěn)妥的辦法,還是抓緊搶注一手新域名。
國際一線知名企業(yè)對這一規(guī)律有著更清醒的認識,除了將傳統(tǒng)域名市場上的相關(guān)品牌域名牢牢掌控之外,他們還會搶注剛剛進入市場的有潛力的新域名后綴。據(jù)報道,全球最大的中文域名注冊局-黃道科技推出的第一個新頂級域名后綴“.wang”王牌域名于5月26日結(jié)束日升期,進入搶注期。在日升期間,全球眾多國際知名企業(yè)紛紛搶注。其中包括國際知名互聯(lián)網(wǎng)巨頭微軟、亞馬遜等,除此之外,還有包括勞力士、帝舵等在內(nèi)的國際頂級奢侈品牌。
該咨詢師認為,眾多國際知名企業(yè)紛紛選擇.wang,證明這個域名后綴的確有可取之處。他分析說,.wang高度符合華人的記憶和拼寫習(xí)慣,而且中國網(wǎng)民都習(xí)慣把互聯(lián)網(wǎng)公司叫作“某某網(wǎng)”(比如新浪網(wǎng)、淘寶網(wǎng)), .wang的發(fā)音和含義極其符合中國網(wǎng)民認知習(xí)慣,方便品牌推廣。對于視中國市場為重要利潤來源的國際知名企業(yè)來說,.wang域名自然勢在必得。
“我認為,對于一些在傳統(tǒng).com、.cn等域名后綴市場中注冊較晚,找不到與品牌相稱的域名的企業(yè)和網(wǎng)站,效法上述國際知名企業(yè),選擇.wang是一個好出路。網(wǎng)站可以將自己的品牌、商標或產(chǎn)品與.wang連接起來,利用諧音和聯(lián)想,打造更符合自己品牌形象的新域名。比如youxi.com、soufang.com可能比較晦澀,而youxi.wang、soufang.wang就更加朗朗上口,對于品牌推廣來說是一個利好。”
但是,該咨詢師稱,從截至目前“.wang”域名的注冊情況來看,由于注冊“.wang”域名的更多是一些國外的大企業(yè),所以,在搶注期內(nèi),許多與國內(nèi)知名品牌相關(guān)的高價值域名會陸續(xù)開放,成為企業(yè)和投資者爭搶的香餑餑。“據(jù)我所知,許多投資人已經(jīng)看準機會,列出了一系列擬搶注的域名備選;自從.wang進入搶注期半個多月以來,一些國內(nèi)企業(yè)的.wang域名也已經(jīng)花落別家,可能要重蹈重金買域名的覆轍。”。他說,“至少從目前來看,越晚注冊,品牌維護的壓力越大。”
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡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。
同濟大學(xué)團隊開發(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)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時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等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。