近日,YouTube的手机直播功能和名为Super Chat的直接资助直播主功能正式上线。
据介绍,使用“超级聊天”(Super Chat)功能,任何观看直播视频的粉丝都可以付费以突出显示自己的聊天信息,并在聊天窗口置顶长达5小时。YouTube表示:“超级聊天就像在数字时代花钱坐在前排一样。”
严格来说,两个功能都是YouTube 为了追上别的直播平台而进行的补救措施。因为 YouTube 过去一直都受限于只能在桌机上进行直播,但随着移动设备的成熟和愈来愈流行的移动直播,他们也总算要妥协了。不过,YouTube 为了保持内容的高质量,所以手机直播功能的门槛设在拥有10,000名或以上的 YouTube 频道直播主才能使用。
为了保留视频创作者继续留在 YouTube,让观众直接付钱赞助予直播主的 Super Chat 功能只要有1000或以上订阅数的频道就可以使用。
虽说两个新功能都有着相当的门槛,但这也算是 YouTube 为了确保内容的质量,YouTube表示很快还将面向其他内容制作者推出这项功能。
YouTube早在2011年就通过网站提供直播功能,Facebook Live则是在2015年正式推出的。面对 Facebook 在过去一年于视频平台上的步步进逼, YouTube 当然也不会坐视不理。
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。