Facebook旗下照片共享服务Instagram周三表示,公司月度活跃用户数量达到了新的里程碑——突破3亿大关。这一数字较9个月之前增长了50%,在今年3月份,Instagram称宣布其活跃用户数量达到2亿。
Instagram还称,当前每天活跃用户在Instagram上共享的视频和照片数量超过了7000万,而在今年3月份时该数据为6000万。
Instagram首席执行官凯文·希斯罗姆(Kevin Systrom)在一份声明中说,“看到我们的社区十分活跃,对此感到兴奋。”
此前,Facebook收购Instagram后因让其继续保持独立运营,而正被投资者关注。除Instagram外,Facebook在收购短消息应用WhatsApp、虚拟现实技术厂商Oculus VR后,都让它们继续保持独立运营。
Instagram在用户增长的同时,还采取了一些肃清活动,打压那些垃圾邮件用户,并关闭了一些发送欺诈信息的账号。市场研究公司eMarketer提供的数据显示,大约有六分之一的美国智能手机用户使用Instagram,而且79%的用户年龄大都在12岁到34岁之间。
Instagram还称,未来将提供实名认证的“徽章”服务,以帮助用户鉴别潜在的明星和公众人物的模仿账户。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。