
如果你经常使用手机观看视频,今天当你打开最新版豌豆荚,搜索「爱奇艺」、「PPTV」、「风行」、「腾讯视频」等关键词时会发现,在「全部」标签页的上述应用卡片中不仅包含了基础的应用信息,同时还呈现了应用内当天热门视频的图文介绍。如果你对这些热门视频感兴趣,只要点击图文介绍就可以立即安装应用、并直接跳转到应用中观看相关视频内容。
这是豌豆荚在最新版本中推出的「应用内热门内容展示」功能,目前已经在上述 4 家视频应用上实现,未来还将扩展到不同内容品类的更多应用。
用户在手机上搜索应用时,根本目的往往是消费应用内的内容,应用只是内容的载体。基于「应用内搜索」的技术积累和对用户需求的深入理解,豌豆荚「应用内热门内容展示」功能让用户在下载应用之前,就可以预览并直接选择应用内的热门内容,从而更准确地选择自己需要的应用。据豌豆荚称,该功能目前在国内尚属首创。
豌豆荚如何让内容一触即「用」?以在豌豆荚搜索「爱奇艺」为例,你会发现「全部」标签页提供的「爱奇艺视频」应用卡片不仅提供了安装量等基础信息,还直接展示了爱奇艺当天的 3 部热门视频。如果你想观看时下热门的美剧「蛇蝎女佣」第二季,只需点击它的图文介绍,在确认并安装后就会直接跳转至爱奇艺视频应用开始播放这部热门剧集——一触即可无间隙享用有趣的视频内容。
图:「爱奇艺视频」的当天热门内容展示
图:确认并安装应用后即会开始播放视频内容
目前,豌豆荚在应用、游戏之外的视频、电子书、壁纸等内容品类已经累积超过 6000 万用户,内容消费超过 8 亿次。目前豌豆荚收录了 195 万部视频,198 万本电子书,248 万张壁纸。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。