社交網(wǎng)絡(luò)在其網(wǎng)站之外追蹤用戶的功能。
在于當(dāng)?shù)貢r間本周一發(fā)表的聯(lián)合聲明中,這兩家公司表明,該服務(wù)將有助于用戶了解更多網(wǎng)站上不同用戶的相關(guān)動態(tài)。這項技術(shù)很可能會增強LinkedIn現(xiàn)有的提醒功能,當(dāng)用戶在新聞消息中被提及時,該功能將提醒用戶。
LinkedIn發(fā)言人賴安·羅斯蘭斯基(Ryan Roslansky)說道:“例如,如果你能夠更全面地了解自己的社交網(wǎng)絡(luò)聯(lián)系人(比如他們何時在新聞里被提及),那么這將能為你帶來相關(guān)信息,有助于你在與他們的下一次會面中成功打開話題。”
一位LinkedIn發(fā)言人拒絕透露本次收購的交易條款。
近期社交網(wǎng)絡(luò)公司之間的收購交易不斷擴大,尤其是廣告技術(shù)領(lǐng)域,LinkedIn對Newsle的收購正是一筆最新的此類交易。舉例來說,Twitter在上個月收購了一家移動廣告公司TapCommerce,該公司專門提供廣告自助交易和移動廣告的二次精準投放,鼓勵用戶重新打開他們已下載到手機上的應(yīng)用(如eBay等)。
就LinkedIn而言,其收購似乎并不傾向于在廣告上下功夫,而更傾向于增強對其網(wǎng)站上不同功能的支持。舉例而言,LinkedIn在今年2月份同意以1.2億美元收購一家名為Bright的數(shù)據(jù)驅(qū)動型求職服務(wù)初創(chuàng)公司,而該項收購的目的則在于增強LinkedIn網(wǎng)站的求職服務(wù)功能。幾個月后,LinkedIn為求職者們發(fā)布了一款新的手機應(yīng)用,并聲稱有40%以上的用戶正在使用他們的移動設(shè)備尋找工作。
Newsle將很可能有助于LinkedIn促使用戶與其網(wǎng)站進行更多交互。上周,Newsle發(fā)布了最新版本的聯(lián)系人應(yīng)用,其中包含與其他用戶動態(tài)相關(guān)的通知。
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。