
社交网络Twitter今天公布了截至6月30日的2014财年第二季度年财报。报告显示,Twitter第二季度营收为3.12亿美元,比去年同期的1.39亿美元增长124%,高于汤森路透分析师所预期的2.83亿美元;净亏损为1.45亿美元,比去年同期的净亏损4220万美元有所扩大。不包括股价补偿等,Twitter第二季度调整后每股收益为2美分,远好于分析师此前平均预期的每股亏损1美分。
Twitter首席执行官迪克·科斯特洛(Dick Costolo)在分析师电话会议上表示,公司的消费产品正开始以他想要的方式发展,特别是在今年世界杯期间,更多用户通过移动设备参与了Twitter上的讨论。“这给了我信心,我们可以围绕主题和生活事件,通过组织内容创建更好的用户体验。”
Twitter财报显示,截至2014年6月30日,Twitter月平均活跃用户数量(MAUS)为2.71亿人,较上年同期增长24%;移动业务月平均活跃用户为2.11亿人,较上年同期增长29%,占据了总月平均活跃用户数量的78%。
此外,用以衡量客户光顾网站视图页面频率的一个重要指标——用户时间轴(Timeline)流量为1730亿次,较上年同期增长了15%。分析师正在仔细研究这一数据,因为在广告商看来,该数据能够显示Twitter用户的活跃度。
周二美股收盘,Twitter股价上涨0.66美元,报收于38.59美元,涨幅为1.74%;但受乐观财报驱动,Twitter股价在在盘后交易一度涨逾30%。
Twitter强劲发展的另一迹象是公司的全年业绩预测。Twitter预计,2014年公司全年营收将在13.1亿美元到13.3亿美元之间,较之前预期调高了10%。
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。