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
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。