
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
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。
德国马普智能系统研究所团队开发出专家混合模型的"即时重新布线"技术,让AI能在使用过程中动态调整专家选择策略。这种方法无需外部数据,仅通过自我分析就能优化性能,在代码生成等任务上提升显著。该技术具有即插即用特性,计算效率高,适应性强,为AI的自我进化能力提供了新思路。
Algoverse AI研究团队提出ERGO系统,通过监测AI对话时的熵值变化来检测模型困惑程度,当不确定性突然升高时自动重置对话内容。该方法在五种主流AI模型的测试中平均性能提升56.6%,显著改善了多轮对话中AI容易"迷路"的问题,为构建更可靠的AI助手提供了新思路。