CNET科技資訊網(wǎng) 6月6日 北京消息(文/齊豐潤): “網(wǎng)紅”已經(jīng)成為了時下最為熱門的一個詞匯,不同的人在這個詞語中都會看到不同的價值,而“網(wǎng)紅”也已經(jīng)從最開始的一類人,變成了一種社會現(xiàn)象。
6月3日, 由微博與IMS新媒體商業(yè)集團(tuán)聯(lián)手打造的“Vstar”開啟視頻網(wǎng)紅•自媒體IP時代戰(zhàn)略合作發(fā)布會在北京舉行。微博&IMS聯(lián)手開啟Vstar戰(zhàn)略計劃,該計劃是為網(wǎng)紅經(jīng)濟(jì)公司量身定做的扶植和投資計劃,重點(diǎn)推動視聽自媒體產(chǎn)業(yè)的全新發(fā)展。
隨著短視頻的爆發(fā),在新媒體社交平臺和網(wǎng)絡(luò)的快速傳播效應(yīng)下,網(wǎng)紅正在成為一個極具商業(yè)價值的領(lǐng)域。據(jù)悉,2016年3月微博視頻的播放量同比增長超增10倍,頭部微博視頻的播放量同比增長更是超過15倍,短視頻也呈現(xiàn)急速迸發(fā)的態(tài)勢。IMS新媒體商業(yè)集團(tuán)CEO李檬表示,未來5到10年,整個新網(wǎng)紅的時代,一定會是從內(nèi)容創(chuàng)作到最后的商業(yè)價值,預(yù)計未來3年網(wǎng)紅視頻IP市場超過2000億。
發(fā)布會現(xiàn)場,據(jù)微博CEO王高飛介紹,截止今年一季度微博月活躍用戶超過了2.6億,一季度微博的日均播放兩達(dá)到了4.7億,相同的視頻在微博上也能獲得更好的傳播。
微博副總裁曹增輝表示,微博上現(xiàn)在在16和25歲的用戶占月活躍用戶的61%,26到35歲占29%,微博的三線和四線的活躍用戶的規(guī)模已經(jīng)超過了一線和二線。在內(nèi)容的創(chuàng)作以及內(nèi)容沉淀上也越來越多的多媒體化。
正是由于微博在視頻生態(tài)上的快速發(fā)展,使得其在網(wǎng)紅的開發(fā)與傳播上都有著強(qiáng)大的優(yōu)勢。對于微博和IMS推出的Vstar計劃,IMS新媒體商業(yè)集團(tuán)CEO李檬認(rèn)為經(jīng)紀(jì)公司能夠使網(wǎng)紅的價值最大化,公司化、規(guī)范化的體系才能使網(wǎng)紅的生命走的更長久。
IMS新媒體商業(yè)集團(tuán)是國內(nèi)最早介入新媒體營銷領(lǐng)域的大數(shù)據(jù)營銷公司,致力于打造全新的新媒體商業(yè)生態(tài)。Vstar計劃針對網(wǎng)紅經(jīng)紀(jì)公司進(jìn)行特定的扶持計劃。將會從包括版權(quán)保護(hù),渠道支持,資金支持等方面,對視頻自媒體生態(tài)提供強(qiáng)力的支持,并助力產(chǎn)業(yè)的良好、有序發(fā)展。
“Vstar”計劃通過更全面的大數(shù)據(jù)洞察、更有價值的渠道和流量資源,幫助越來越多的視頻網(wǎng)紅把握住風(fēng)口,把握住未來的趨勢。
據(jù)悉,IMS集團(tuán)計劃在今年9月舉辦中美網(wǎng)紅高峰論壇,以推動網(wǎng)紅經(jīng)濟(jì)全球化的發(fā)展與交流。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)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(shí)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(jì)大學(xué)團(tuán)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(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)隊通過對比實(shí)驗發(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"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強(qiáng)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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實(shí)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。