鉴于最近数据隐私控制丑闻,许多媒体如Current Media等进入加密领域。
与此同时,公司诸如Verasity公司利用区块链平台清除假新闻和不实观点。
RightMesh在互联网访问受限国家/地区使用区块链实现点对点连接用户。
寻求免费便捷内容的用户越来越依赖互联网。然而,非货币化、数据隐私和欺诈活动等重要缺陷令消费者和提供商有所动摇。
当前,为解决这些问题,越来越多的公司正在创建基于区块链技术和加密货币技术的商业模式。
像Verasity这样基于区块链的媒体公司会通过加密货币对用户、创作者和广告商进行补偿。
Current Media联合创始人兼首席执行官Dan Novaes接受采访时透露,诸如Current Media这样的企业受最近数据隐私控制事件影响而选择进入加密领域。
其中一些公司的举动归因于欧洲通用数据保护条例及Facebook“剑桥分析”数据丑闻等事件。
该公司目前正与Apple Music、Spotify等不同媒体及内容创作者合作,确保媒体制作者和用户能够通过观看和制作内容获得奖励。为此,该公司创建了CRNC令牌加密货币单元以奖励内容创建者。
由于YouTube在薪酬结构上存在争议,Novaes认为它是CRNC令牌的潜在用户之一。
Novaes说:“只有原创者会有如此遭遇”,他补充道,“数十亿人从平台获取免费音乐,而非通过Spotify或Apple Music订阅。”
Current旗下每个基于以太坊的CRNC令牌价值24美分。公司不断推出举措,前一千名用户将在数月内开始使用。
清除虚假信息
Verasity联合创始人Adam Simmons称其公司开发了可清除虚假新闻的区块链平台。 Verasity是个由VERA Tokens推动的共享平台,可用比特币和以太坊购买,还可向观众及创作者支付报酬。
观众打赏最喜欢的创作者,可以创作者提供更多素材。随着频道观看次数的增多,观众也可获得报酬。观众也可通过浏览广告获取广告商的报酬,而不是广告商通过内容中嵌入广告只支付支付创造者费用。
Simmon表示:“更重要的是,用户能看到他们点击的内容,这并非消极体验。”“这对观众的参与方式产生了积极影响。”内容查看者还可以选择共享个人数据及其公开程度。
Simmons解释道:“内容创建者能够得到匿名观看人数的数值,可以清除僵尸用户(有名无实的虚假用户)。自动账户会导致虚假信息泛滥。如果大量僵尸用户“浏览”了一篇文章,会误导算法,从而让其把该文章推送给更多真实用户。
Verasity最近刚刚实现首次币发行,预计今年年末将推出相关服务。
脱离网络,建立联系
RightMesh是一家借助区块链技术,帮助网络受限国家,建立用户间点对点联系的公司。这家公司完全绕开了网络,对于部分网络受限的国家而言帮助很大。
“你是你,我是我,彼此独立,这是区块链的工作原理,” RightMesh首席执行官John Lyotier称,他的工作团队在孟加拉国使用拨接高速网络时产生了灵感:“用户若不登陆网络,就无法获得权限。”
RightMesh与孟加拉国地区的开发商合作探究如何建立远程联络。一般而言,用户只有通过无线网络、蓝牙或个人热点才能上网。而RightMesh则通过安卓系统向用户提供网络。此外,与以太坊支持的RMESH代币分享数据的用户还可获得报酬。
Lyotier认为:“互通不会消失,所以区块链终将改变世界。没有区块链技术和通信,加密货币也无法发挥其最大潜力。”
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。