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
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。