
Twitter周二提交至美国证券交易委员会(SEC)的一份最新报告称,在Twitter 2.71亿活跃账户中,有近9%的活跃账户使用了自动化技术与Twitter保持连接。
Twitter在这份文件中称,在截至6月30日的上一季度中,大约有8.5%的活跃账户使用了第三方的自动连接应用程序,这些用户在更新账户内容时几乎不费什么力气。目前尚不清楚这些自动连接用户目的是为了自动发布Twitter内容,还是仅从社交网络上读取信息,但无论哪种方式,意味着在2.71亿活跃Twitter账号中,大约有2300万个账户并非是真正的活跃用户,因为他们在Twitter并未付出太多精力、并未给予太多关注。
至于Twitter为何在监管文件中披露上述信息,Twitter给出了如下解释:Twitter旨在告诉投资者,人们是如何使用Twitter服务的,这有助于帮助投资者更好地理解其活跃用户增长速度。自去年上市以来,华尔街开始密切关注Twitter用户增长以及活跃用户的发展概况。
Twitter进一步解释道,大约有11%的账户使用第三方应用接入服务,他们没有直接通过Twitter网站或Twitter一种产品接入服务。但其中有8.5%的使用了第三方技术账户,比如HTC的Sense和三星的Touchwiz,这些账户可以在不打开应用的前提下自动从Twitter上获取信息。
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。