时下,一家名为“Tsu”的新型社交网络风靡美国。Tsu日前在其官网宣布,其注册用户已突破100万大关,而这距该平台10月份上线仅5周时间。
对于一家不知名的社交网络来说,能够在5周时间内斩获百万用户,的确是一个了不起的成就。因为社交网络巨头Facebook赢得100万用户,用了整整10个月的时间。
伴随Tsu社交网络的声名鹊起,其在流量监测网站Alexa的排名也从最初时的不足11000名,蹿升至目前的5000名。Tsu社交网络如何实现用户的快速增长?据悉,Tsu通过既有用户的口口相传,并利用这社交网络帮助Tsu找到了新用户,而且新老用户可以利用Tsu社交网络来赚钱!
与它社交网站一样, Tsu和依靠发布页面广告赚钱,但Tsu会把90%的广告收入以版税形式返给用户,以此。通常情况下,对于某一Tsu用户主页上的广告,如果点击量大,那么该用户获取返利就越多。
加入Tsu社交网络,需要从老用户那儿获得一个邀请码,如果老用户成功邀请了新用户,也可获得Tsu的返利,而且邀请到的新用户注册成功次数越多,返利就越高。
此外,Tsu还鼓励用户将他们获得的广告收入通过“转帐”按钮捐赠到慈善机构。
Tsu创始人兼首席执行官塞巴斯蒂安·索布查克(Sebastian Sobczak)表示,Tsu是“第一个对社会负责任的社交网络”,会向用户支付一些原创图片、内容的商用版税费用,并希望这些版税能以协作方式更好地改善人们生活。
据悉,作为Tsu用户,一个月在Tsu上获得的版税收入,超过了在Twitter或Facebook上七年时间里获得的版税收入。
目前Tsu平台仅支持美元,未来Tsu或将支持全球更多货币,以更好的开展慈善救助,但Tsu团队并未证实这即将发生。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。