搜狐視頻宣布,已于近期正式啟動向網絡視頻PGC(專業(yè)內容制作)出品人開放移動端廣告分成權限,這意味著出品人通過搜狐視頻PGC平臺上傳作品后,將同時在PC端和移動端享受廣告分成,實現(xiàn)最大化獲益。
在移動端高速增長的趨勢下,移動端目前已成為用戶視頻消費主場景,搜狐視頻的移動端播放占比已經超過70%;此次為PGC增加移動端分成,將大幅度增加PGC出品人上傳的節(jié)目的收益來源,讓PGC加快內容流量變現(xiàn)、獲取更多廣告分成,促進PGC出品人更快發(fā)展,增強內容生態(tài)。搜狐視頻PGC產品中心負責人鄭韜透露,PGC已經成為了互聯(lián)網的“大風口”之一,目前搜狐視頻平臺已產生了一批可以在移動平臺分成月入約3萬元以上的PGC,可以預見,PGC只要不斷提升內容質量,會在搜狐視頻平臺賺取越來越多的收入,而年入百萬的PGC也將不斷涌現(xiàn),有能力的專業(yè)內容生產者應該抓住這一機會入駐和發(fā)展。
事實上,搜狐視頻是行業(yè)第一個戰(zhàn)略性推動PGC內容發(fā)展的網絡視頻平臺,搜狐視頻目前與56網雙平臺聯(lián)動,并調動搜狐矩陣資源,向出品人提供全方位支持:首先,PGC內容在搜狐視頻的站內推廣資源十分強悍,搜狐視頻在首頁導航欄專門開辟了自媒體重點頻道,還建立了自媒體區(qū)域模塊,并且,搜狐視頻移動端還專門建立了自媒體頻道,PGC出品人生產的內容將在搜狐視頻的多個產品端得以充分的展示和推廣。為了提升PGC內容點擊率,PGC出品人的內容還被搜狐矩陣多平臺推廣,如搜狐新聞客戶端等大量資源位進行推廣。
其次,搜狐視頻以高比例分成對出品人開放廣告權限,以此鼓勵PGC原創(chuàng)內容生產。隨著廣告分成系統(tǒng)向移動端開放,出品人的收入則繼續(xù)有大幅度的飛躍。
而且,搜狐視頻緊扣熱點趨勢,大規(guī)模組織專業(yè)PGC媒體深度參與各種報道和活動,強化視頻自媒體話語權,建立PGC出品人品牌形象。以上海車展為例,搜狐視頻聯(lián)合幾十名PGC出品人,針對車展打造大量視頻節(jié)目,PGC平臺全程對車展進行了專業(yè)、創(chuàng)新的解讀,成為一支改變媒體和用戶關注度格局的力量。
另外,搜狐視頻自媒體平臺基于大數據進行推廣,高分成、結算快,具備強大粉絲互動功能和1對1專屬服務等優(yōu)勢。搜狐視頻還將繼續(xù)針對出品人需求,不斷研發(fā)新的功能,提升自媒體人用戶體驗,讓自媒體人更加輕松實現(xiàn)傳播、管理和變現(xiàn)。目前,搜狐視頻PGC平臺已在PC端和移動端之間實現(xiàn)了反作弊系統(tǒng)、結算系統(tǒng)和廣告系統(tǒng)等多系統(tǒng)的聯(lián)動。
搜狐視頻針對出品人推出的一系列扶持計劃,在生活、科技、汽車等多個專業(yè)領域已經實現(xiàn)了良性生態(tài)循環(huán)。搜狐視頻自媒體涵蓋搞笑、網絡劇、游戲、教育、旅游等類別,日均觀看量數千萬,每天對PGC自媒體人進行高額分成,正不斷鼓勵原創(chuàng)生產力及高品質內容的產生,截至目前搜狐視頻PGC出品人達上千位,日均播放量逼近過億。隨著PGC內容的大規(guī)模爆發(fā),PGC內容已經成為廣告主投放的重要的組成部分,據悉,在2015年上半年,出品人通過廣告獲得的分成收入已超過千萬。
搜狐視頻產品技術中心高級總監(jiān)、56網總經理馬義表示,優(yōu)質PCG內容的流量變現(xiàn)能力無疑會越來越強。隨著搜狐視頻PGC平臺產業(yè)鏈更加的成熟和完善,已經有越來越多的像飛碟說、Big笑工坊等金牌出品人加盟搜狐。搜狐視頻匯聚的最強出品人陣容將和PGC平臺一起攜手打造業(yè)內最強生態(tài)平臺。搜狐視頻PGC也將不遺余力的在各個垂直內容領域深根細作,進一步提升各方用戶體驗,加速提升PGC平臺的商業(yè)價值。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數學推理能力提升8.6%,通用推理提升8.4%,且無需任何數學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數學優(yōu)化方法,在合成數據集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經過強化學習訓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等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速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練效率,已在多個任務上驗證有效性。