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。