
“滴滴和快的到底谁的客户多?美柚和大姨吗到底谁活跃?去哪儿真的比携程大吗?”人们每天手持各种设备,却不了解整个行业。
这时候就出现了一个蓝本:10亿说。10亿,来自第三方数据服务提供商TalkingData所覆盖的移动设备,包括iOS、Android,包括智能手机、平板、智能电视等。根据设备每天产生的数据,得出用户行为报告。
这份报告就是TalkingData《2014移动互联网数据报告》。与其他数据报告不同之处在于,TalkingData CEO崔晓波大胆披露,其他的第三方数据公司也在发布报告,也在发布数据,但他们的目的好像更多的是为了盈利。
TakingData 数据服务部高级总监陶京琪指出,通过对分布式运算架构、海量数据处理、数据挖掘算法的长期钻研,大数据已经成为TalkingData骨子里的基因。
带着大数据基因,除定期发布数据报告外,更重要的是,TalkingData会发布一个移动数据观象台,并免费开放给整个行业,揭开这层迷雾,让大家知道所有数据的真相。该观象台已于2014年9月对外免费公布。
崔晓波进一步介绍:“这个产品,包括以前我们服务美国的基金客户,他们利用这些产品,观察中国的股市,再研究这些公司的动态。但今天我们想把它免费开放出来,最重要的是,我们希望建立一个比较健康的产业环境,让大家揭开这层迷雾,去看一看退潮之后底下到底是什么。”
实际上,从创建初,TalkingData就定位于“第三方的中立数据平台”,借助中立优势,TalkingData与国内众多机构紧密合作,汇聚大量移动互联网用户数据。目前TalkingData为超过50000款应用、游戏提供数据统计、分析服务,覆盖超过10亿独立移动设备;为招商银行、中信银行、平安保险等企业提供数据服务。
那么,10亿移动互联网数据都说了什么?
以上数据均来自TalkingData《2014移动互联网数据报告》,CNET从中摘取了一小部分,当然,也希望更多数据被TalkingData刷新。
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。