時(shí)下,一家名為“Tsu”的新型社交網(wǎng)絡(luò)風(fēng)靡美國(guó)。Tsu日前在其官網(wǎng)宣布,其注冊(cè)用戶已突破100萬大關(guān),而這距該平臺(tái)10月份上線僅5周時(shí)間。
對(duì)于一家不知名的社交網(wǎng)絡(luò)來說,能夠在5周時(shí)間內(nèi)斬獲百萬用戶,的確是一個(gè)了不起的成就。因?yàn)樯缃痪W(wǎng)絡(luò)巨頭Facebook贏得100萬用戶,用了整整10個(gè)月的時(shí)間。
伴隨Tsu社交網(wǎng)絡(luò)的聲名鵲起,其在流量監(jiān)測(cè)網(wǎng)站Alexa的排名也從最初時(shí)的不足11000名,躥升至目前的5000名。Tsu社交網(wǎng)絡(luò)如何實(shí)現(xiàn)用戶的快速增長(zhǎng)?據(jù)悉,Tsu通過既有用戶的口口相傳,并利用這社交網(wǎng)絡(luò)幫助Tsu找到了新用戶,而且新老用戶可以利用Tsu社交網(wǎng)絡(luò)來賺錢!
與它社交網(wǎng)站一樣, Tsu和依靠發(fā)布頁(yè)面廣告賺錢,但Tsu會(huì)把90%的廣告收入以版稅形式返給用戶,以此。通常情況下,對(duì)于某一Tsu用戶主頁(yè)上的廣告,如果點(diǎn)擊量大,那么該用戶獲取返利就越多。
加入Tsu社交網(wǎng)絡(luò),需要從老用戶那兒獲得一個(gè)邀請(qǐng)碼,如果老用戶成功邀請(qǐng)了新用戶,也可獲得Tsu的返利,而且邀請(qǐng)到的新用戶注冊(cè)成功次數(shù)越多,返利就越高。
此外,Tsu還鼓勵(lì)用戶將他們獲得的廣告收入通過“轉(zhuǎn)帳”按鈕捐贈(zèng)到慈善機(jī)構(gòu)。
Tsu創(chuàng)始人兼首席執(zhí)行官塞巴斯蒂安·索布查克(Sebastian Sobczak)表示,Tsu是“第一個(gè)對(duì)社會(huì)負(fù)責(zé)任的社交網(wǎng)絡(luò)”,會(huì)向用戶支付一些原創(chuàng)圖片、內(nèi)容的商用版稅費(fèi)用,并希望這些版稅能以協(xié)作方式更好地改善人們生活。
據(jù)悉,作為Tsu用戶,一個(gè)月在Tsu上獲得的版稅收入,超過了在Twitter或Facebook上七年時(shí)間里獲得的版稅收入。
目前Tsu平臺(tái)僅支持美元,未來Tsu或?qū)⒅С秩蚋嘭泿?,以更好的開展慈善救助,但Tsu團(tuán)隊(duì)并未證實(shí)這即將發(fā)生。
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。