看視頻的時(shí)候,大家都不喜歡看廣告,而要為廣告付費(fèi)的時(shí)候,很多人卻又選擇了去忍受看廣告,愛立信消費(fèi)者研究實(shí)驗(yàn)室給出了新的解決方案,讓用戶去選擇要看的廣告,看什么,怎么看。
日前,愛立信消費(fèi)者研究室發(fā)布電視及媒體最新年度報(bào)告,研究顯示,流媒體幾乎與傳統(tǒng)電視觀看并駕齊驅(qū),75%的消費(fèi)者每周都會(huì)觀看幾次流媒體視頻,由此,用戶在移動(dòng)終端上觀看視頻的時(shí)長(zhǎng)逐年提高,而隨著訂閱式視頻點(diǎn)播(S-VOD)服務(wù)的出現(xiàn),讓消費(fèi)者能夠以較低的固定資費(fèi)獲得大量的視頻內(nèi)容。
針對(duì)內(nèi)容的支付方式,愛立信消費(fèi)者研究室東北亞區(qū)總監(jiān)徐曉莉認(rèn)為,中國(guó)城市消費(fèi)者更愿意通過觀看個(gè)性化廣告來獲取內(nèi)容的接入,30% 左右的用戶希望通過這種方式來觀看正在播放的電影或電視劇節(jié)目。
圖:愛立信消費(fèi)者研究室東北亞區(qū)總監(jiān)徐曉莉
很多用戶在看視頻的時(shí)候,都希望候最好沒有商業(yè)廣告,去廣告也成為影響用戶體驗(yàn)的重要因素之一。在接受調(diào)查的中國(guó)用戶中,23%的用戶選擇最好沒有廣告,如果沒有廣告可以考慮多付一點(diǎn)錢,比如片頭、片尾或中間部分沒有廣告最好。
然而,在徐曉莉進(jìn)行調(diào)查的時(shí)候發(fā)現(xiàn),很多用戶是不愿意為去廣告來付費(fèi)的,所以,愛立信消費(fèi)者研究室提出,可以給用戶一些相關(guān)的廣告內(nèi)容,讓讀者自行選擇感興趣的內(nèi)容。
“比如我喜歡汽車,放的廣告是跟汽車相關(guān)的,那就不要放摩托車或電冰箱的廣告給我。在這個(gè)數(shù)據(jù)里面看到超過40%的消費(fèi)者同意把個(gè)人信息提供,但是最好給我一個(gè)選項(xiàng),比如哪類商業(yè)廣告不看,哪類的不看。甚至有接近40%的消費(fèi)者選擇,如果我給你了個(gè)人信息或者收集個(gè)人信息,最好讓我拿到符合我的內(nèi)容符合我的需求。當(dāng)然這些有一個(gè)前提,前提是這些數(shù)據(jù)一定要保證是比較正當(dāng)?shù)氖褂?。在這樣的前提下,大部分的消費(fèi)者還是接受提供個(gè)人信息或收集個(gè)人信息,前提條件首先是對(duì)消費(fèi)者有好處。”徐曉莉說。
與個(gè)性化廣告相對(duì)應(yīng)的個(gè)性化內(nèi)容上,愛立信消費(fèi)者研究室認(rèn)為,打包整合的個(gè)性化媒體體驗(yàn)將為用戶帶來更多價(jià)值,而消費(fèi)者也更傾向于選擇靈活的、可根據(jù)個(gè)人喜好,進(jìn)行自由組合頻道和媒體內(nèi)容的電視解決方案。
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。