微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 豌豆荚推出应用内热门内容展示功能

豌豆荚推出应用内热门内容展示功能

2014-04-30 10:04
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-04-30 10:04 CNET科技资讯网

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。

豌豆荚推出应用内热门内容展示功能

图:「爱奇艺视频」的当天热门内容展示

豌豆荚推出应用内热门内容展示功能

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。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    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。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    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。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    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。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    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。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-