昨日,中国 Android 移动内容搜索豌豆荚正式发布 2014 年新版游戏联运分成政策。(豌豆荚开发者中心:http://developer.wandoujia.com )
新版游戏联运分成政策针对优质游戏开发者和中小游戏开发者的不同需求定制了更具针对性的让利措施和推广扶持模式,并为优质开发者推出了广告资源赠送计划,对月流水 50 万以下的中小开发者分成比例提高了 10%。
豌豆荚新版游戏联运分成政策以月流水 50 万为分界点,对于月流水 50 万以上的部分,开发者将获得 50% 的可分成收益,对月流水在 50 - 100 万元之间的游戏,豌豆荚每月将赠送价值 10 万元的广告资源;对月流水达到 100 万以上的游戏,豌豆荚每月将赠送价值 30 万元的广告资源;对月流水不足 50 万元(含)的部分,开发者获得的收益分成比率为 70%,中小开发者的可分成收益将直接提高 10%。
对于月流水超过 50 万元的开发者,豌豆荚引入了赠送平台广告资源的新方式,旨在为优质的开发者提供更多的定制化游戏推广资源和曝光资源,帮助他们的产品获得更多的优质用户和关注度,为开发者带来更大更长期的规模收益和商业价值。
豌豆荚新版分成政策将于 2014 年 3 月 1 日起开始实施。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。