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
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。