见到伏英娜的时候,她刚刚参加完“2014全球创业周”后不久。在那个汇集了世界各地10000多名创业者和投资人的活动上,伏英娜一鸣惊人,她向全世界展示了图片社交应用哈图,并带来颠覆式的创新理念。
伏英娜在微软总部工作时购买数据建立了自己的数学模型,分析结果显示最有价值的应用类别是:游戏、工具和社交,这三个类别各有优势和劣势。
“游戏类APP的优势是变现能力强,但生命周期短且不可复制;而工具类APP则是满足刚需而存在,比如魔漫、脸萌等,他们具备一定引爆特性和使用频次;社交类APP的优势则是活跃度和粘性,价值最高,但劣势是冷启动。”
在总结这三种类别的优缺点后,伏英娜认为她可以做出一款将三者优势结合的产品,于是诞生了图片社交应用哈图。
最令伏英娜自豪的是,哈图不是一款复制产品,是全球独一无二的创新应用。“我在微软总部的时候很不爽,每次提到一家中国的互联网公司,他们都说 facebook in china, google in china,而哈图的创意在硅谷则受到很大认可,许多硅谷的朋友表示想参与到哈图的项目中来。”
当然,伏英娜认为哈图的本质还是一款社交应用。
“社交APP的优势是活跃度与粘性,一个产品一旦建立起社群,就形成了自增长的系统,就像贝索斯的飞轮理论。”伏英娜说。
所谓飞轮效应指为了使静止的飞轮转动起来,一开始你必须使很大的力气,一圈一圈反复地推,每转一圈都很费力,但是每一圈的努力都不会白费,飞轮会转动得越来越快。达到某一临界点后,飞轮的重力和冲力会成为推动力的一部分。这时,你无须再费更大的力气,飞轮依旧会快速转动,而且不停地转动。
在贝索斯的理论里,通过自增长带来正反馈,最终形成良性循环,伏英娜认为飞轮效应同样适用于图片社交。“人与人之间的本质是identity,不止是身份,更多是自我表达,与陌生人社交和熟人社交不一样,我更关注的是兴趣引发的社交,我喜欢滑雪,所以我有一群滑雪朋友,我正在创业,所以我有很多同在创业路上的朋友,我想通过基于图片背后的兴趣图谱,把用户连接起来。最终形成正循环。”
伏英娜要打造的正是一个基于图片的生态系统,这是一个很大的想法。
实际上,在社群没有达到足够规模、没有足够种子用户的时候很难迅速扩张和引爆,即使微信4.0之前也未形成规模式增长。这是因为社交产品有一个冷启动过程,这也是社交应用的劣势。
哈图如何突破这一点?为什么伏英娜能够实现图片生态系统构想?
“小米雷军为什么能成功?因为他一开始就想清楚了商业模式,一开始的战略方向就定好了,在实施的过程中,战术不断调整。我对我们的商业模式也想得非常清晰,未来我们在影视、动漫和游戏上会有很大的可以想象的结合空间。”伏英娜说。
在沟通的整个过程中,伏英娜的个性非常鲜明,她自己也坦承个性不一般,“我是90后心态,我喜欢科幻,哈图也是基于这样的兴趣诞生。如果为了钱而创业,成功的几率很小,但如果是兴趣,成功的几率就很大。”
伏英娜认为,好的产品有情感依托,传递something,引起用户共鸣,有灵魂。哈图的灵魂是科幻,传递的是欢乐和创意。“当今中国不缺乏想象力,以90后为代表的群体,创造了火星文,创造了弹幕,个性化毫无疑问将是趋势。”
在移动互联网大潮的背景下,常常有人会问,BAT之后,值得我们期待的会是一家什么样的企业?或许哈图就是答案。
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。