
社交网络在其网站之外追踪用户的功能。
在于当地时间本周一发表的联合声明中,这两家公司表明,该服务将有助于用户了解更多网站上不同用户的相关动态。这项技术很可能会增强LinkedIn现有的提醒功能,当用户在新闻消息中被提及时,该功能将提醒用户。
LinkedIn发言人赖安·罗斯兰斯基(Ryan Roslansky)说道:“例如,如果你能够更全面地了解自己的社交网络联系人(比如他们何时在新闻里被提及),那么这将能为你带来相关信息,有助于你在与他们的下一次会面中成功打开话题。”
一位LinkedIn发言人拒绝透露本次收购的交易条款。
近期社交网络公司之间的收购交易不断扩大,尤其是广告技术领域,LinkedIn对Newsle的收购正是一笔最新的此类交易。举例来说,Twitter在上个月收购了一家移动广告公司TapCommerce,该公司专门提供广告自助交易和移动广告的二次精准投放,鼓励用户重新打开他们已下载到手机上的应用(如eBay等)。
就LinkedIn而言,其收购似乎并不倾向于在广告上下功夫,而更倾向于增强对其网站上不同功能的支持。举例而言,LinkedIn在今年2月份同意以1.2亿美元收购一家名为Bright的数据驱动型求职服务初创公司,而该项收购的目的则在于增强LinkedIn网站的求职服务功能。几个月后,LinkedIn为求职者们发布了一款新的手机应用,并声称有40%以上的用户正在使用他们的移动设备寻找工作。
Newsle将很可能有助于LinkedIn促使用户与其网站进行更多交互。上周,Newsle发布了最新版本的联系人应用,其中包含与其他用户动态相关的通知。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。