在8月3日在“著迷‘Mi會(huì)’優(yōu)酷土豆”的媒體見(jiàn)面會(huì)上,著迷網(wǎng)CEO陳陽(yáng)正式宣布著迷結(jié)束了C輪融資,融資金額與持股比例尚未對(duì)外界公布。同時(shí)陳陽(yáng)還表示:“這一輪我們的融資方由優(yōu)酷土豆領(lǐng)頭,優(yōu)酷土豆是這次我們引進(jìn)的非常重要的策略股東。同時(shí)有掌趣跟投,這是我們年底著迷在新三板掛牌上市前最重要的一次資本運(yùn)作。” 此前,著迷在B輪的融資金額高達(dá)1.3億,創(chuàng)下該領(lǐng)域投資之最。
一直以來(lái),著迷都非常注重內(nèi)容上的建設(shè),而且也會(huì)讓用戶參與到其中。陳陽(yáng)表示:“眾所周知,媒體內(nèi)容大部分是由PGC(專業(yè)生產(chǎn)內(nèi)容)來(lái)實(shí)現(xiàn)的。但是到了今天,你身邊每一個(gè)人都在玩手游的時(shí)候,我們就應(yīng)該讓他們也參與到內(nèi)容建設(shè)之中。經(jīng)過(guò)這些年建設(shè),我們一共積累了2萬(wàn)名以上的UGC(用戶原創(chuàng)內(nèi)容)貢獻(xiàn)者。同時(shí)我們秉承一個(gè)理念,我們強(qiáng)調(diào)‘我們自己的用戶’。”
談到如何對(duì)用戶進(jìn)行運(yùn)營(yíng),陳陽(yáng)稱:“之前很多人認(rèn)為,用戶一定要在你的網(wǎng)站下進(jìn)行活動(dòng),才是你的用戶。但是在我們看來(lái),即使這些用戶并不是完全在我們的平臺(tái)上,但如果能被我們所影響,做我們希望他們做的事情,那么這些用戶也都是我們的用戶。這些年,不僅著迷自己的PCU(最高同時(shí)在線玩家人數(shù)) 在大量增長(zhǎng),而且著迷還同時(shí)運(yùn)營(yíng)著200多個(gè)核心貼吧,我們通過(guò)這些貼吧和核心用戶的Q群、WIKI的經(jīng)營(yíng),積累了越來(lái)越多的用戶。”
同時(shí)陳陽(yáng)還表示出了對(duì)視頻內(nèi)容的看重,“我們看重未來(lái)視頻在內(nèi)容生產(chǎn)上的重要性。從去年開始,我們?cè)谝曨l領(lǐng)域的內(nèi)容生產(chǎn)能力得到了大幅提高,現(xiàn)在我們單個(gè)視頻的質(zhì)量非常棒,用戶很喜歡,可以達(dá)到月均全網(wǎng)播放量千萬(wàn)級(jí)。”
談及未來(lái)與優(yōu)酷的合作內(nèi)容,陳陽(yáng)說(shuō)道:“我們想做的一件事情是‘增量經(jīng)濟(jì)’,我們圍繞好玩的游戲生產(chǎn)大量好玩的內(nèi)容,吸引更多不玩游戲、不關(guān)注這個(gè)領(lǐng)域的人。這個(gè)增量經(jīng)濟(jì)的本質(zhì),就是我們要做更好的內(nèi)容、運(yùn)營(yíng)更好的用戶,做更好的社區(qū)。”
而對(duì)于未來(lái)兩家的合作,優(yōu)酷土豆集團(tuán)投資副總裁邵峻也表示:“著迷最吸引我們的的原因是它是一家邏輯型公司,而不是一個(gè)游戲媒體公司,未來(lái)他的創(chuàng)造空間是巨大的。同時(shí)這種邏輯讓我看到了未來(lái),在這個(gè)過(guò)程中我自己也學(xué)到了很多。”
而在最后,陳陽(yáng)做出了這樣的總結(jié),“合以制勝,視不可擋。在游戲行業(yè)越來(lái)越趨向‘內(nèi)容為王’的情況下,非常感謝優(yōu)酷土豆對(duì)我們的支持。引進(jìn)優(yōu)酷土豆的投資,對(duì)我們下一步發(fā)展,也有信心。”
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(guò)讓AI與自己對(duì)弈零和游戲來(lái)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(wú)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(guò)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(wèn)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(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)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(wú)法有效利用視覺(jué)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(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)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。