CNET科技資訊網(wǎng) 9月14日 北京消息(文/孫封蕾): 最近,有些細(xì)心的人可能已經(jīng)發(fā)現(xiàn),租房、知識技能分享悄悄的登陸了閑魚,閑魚業(yè)務(wù)負(fù)責(zé)人諶偉業(yè)認(rèn)為,分享經(jīng)濟(jì)有很大的想象空間,從限制的物品,到生活服務(wù)場景,很多的服務(wù)因為分享經(jīng)濟(jì)而多了一種選擇,租房和知識技能分享的出現(xiàn),就是這個趨勢的產(chǎn)物。
諶偉業(yè)提到:“閑魚有很多可選擇的業(yè)務(wù),租房和知識技能分享這兩個業(yè)務(wù)還沒有做成產(chǎn)品,只是讓引導(dǎo)、提醒用戶閑魚上線了這兩類業(yè)務(wù),但是,卻出現(xiàn)了很多意想不到的結(jié)果。”
鏈家有超過十萬的房源,估計以閑魚目前的發(fā)展速度,可能很快就能超過鏈家的房源數(shù)量,閑魚上目前的房源超過50%都有聯(lián)絡(luò),已經(jīng)有了互動。
知識技能的分享,在閑魚上更是五花八門。8月27日,多位大學(xué)學(xué)霸在閑魚上拍賣自己的時間,其中北京大學(xué)數(shù)學(xué)系宋天浩同學(xué)的“數(shù)理化200小時輔導(dǎo)時間”被拍出了4萬元高價。
實際上,知識技能分享并不是閑魚的發(fā)明,果殼之前推出了在行和分答,諶偉業(yè)倒是覺得,知識分享這類產(chǎn)品是沒有價值邊界的,因為大家閑置的可能不只是物品,還有時間。
諶偉業(yè)發(fā)現(xiàn),閑魚上的用戶,大部分都是不以閑魚為生的用戶,他們在閑魚上只是以此為樂,以獲得樂趣和收獲價值為目的,只有賣出去了第一個產(chǎn)品,用戶的熱情馬上就提升上來。
所以,閑魚的成長速度也是飛快。去年到現(xiàn)在,閑魚的用戶成長超過400%,已經(jīng)建立了28萬個魚塘,每周都有一兩個集市,這些魚塘就是一個又一個的社區(qū),包括以位置坐標(biāo)形成的社區(qū),還有一些小眾社區(qū)。
而信任是促成二手物品交易的基礎(chǔ),信任也決定了交易效率。
為此,閑魚做了三個層面的工作來促使用戶建立信任。首先是用戶感覺,從芝麻信用、淘寶等級、微博認(rèn)證、閑魚魚塘的資料來查看用戶的信用情況,再通過擔(dān)保交易、堂主服務(wù)、社區(qū)自治等規(guī)則的制定來保護(hù)交易,通過客戶服務(wù)、網(wǎng)安監(jiān)管等服務(wù)與監(jiān)管體系來完善信任體系。
當(dāng)被問及閑魚的商業(yè)模式的時候,諶偉業(yè)并沒有回避,“阿里巴巴是一個商業(yè)化的公司,做閑魚這個產(chǎn)品,如果不去想商業(yè)模式是不可能的,但是商業(yè)模式現(xiàn)在就提出來,還是為時尚早。”
“等到閑魚每天的量級到億級別的時候再想就可以了。”
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)集上實現(xiàn)37.9%的精度提升,并在真實設(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。