
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
这篇论文提出一种插件式2D动作接口,让已训练好的3D运动语言模型无需修改或微调即可直接理解2D姿态输入。实验证明2D输入效果媲美3D输入,且在真实视频场景下配合专门的降噪适配器,2D方案比3D姿态估计更省算力、更实用,为动作理解模型的现实部署提供了新路径。
研究团队让8种AI智能体独立完成100项真实科研任务,深度剖析800份研究轨迹后发现,即便是最强模型,也普遍存在"发现问题却不修正"的现象,背后根源指向AI缺乏检验自身产出、主动纠错的元认知能力。
WorldRover是一套面向可探索世界建模的合成视频数据引擎,基于虚幻引擎构建,能让同一段探索轨迹在保持路线与场景一致的前提下,重新渲染为多种视角和外观状态,并同步提供深度、光流、长程点追踪等丰富标注,最终发布WorldRover-10M数据集,含2190万帧、202.7小时视频。
这篇论文指出,现有多目标强化学习训练大模型时存在"一刀切"分配优化精力的问题,提出SA-MRPO方法,根据每个奖励目标的饱和程度动态调整其权重,在数学推理、自适应推理、代码生成等任务上均取得优于现有方法GDPO的效果。