2015年,手机红包成为春节新年俗。微博2月初即开启“让红包飞”活动,明星新春红包提前预热;支付宝自小年起推出“整点抢红包”活动,微信则凭借与央视春晚的合作,促成除夕夜全民抢红包的盛况。

根据2月份三款应用的趋势数据可以看出,微信、支付宝、微博的活跃用户比例在除夕前后出现高峰,各应用的手机红包活动成功激发了用户的应用活跃行为。

除夕当天,微信用户的活跃高峰出现在20点至0点之间,春晚互动吸引大量微信用户在除夕晚间持续活跃;大年初一早10点与晚20点又分别出现两个用户活跃高峰,符合人们上午与晚间拜年的习惯。

支付宝用户在除夕夜20点活跃度开始激增,20点-0点的五个整点红包派发功不可没,而用户活跃度的峰值出现在马云派发红包的除夕夜零点前后。

对春晚节目的热烈讨论激发微博用户活跃度在19点-0点间明显增长,随着微博拜年与微博红包派发逐渐进入高潮,微博用户的活跃度也在除夕零点前后达到最高点。

除夕当天活跃的移动端用户中,支付宝用户在一二线城市的分布比例较微信与微博更高。

除夕前后活跃的Android设备中,微信用户中使用小米设备的用户更活跃,微博则是使用三星设备的用户活跃度更高,支付宝用户中活跃度较高的设备以三星品牌为主,机型较微信、微博更平均。

除夕前后活跃的iOS设备中,微博用户使用iPhone 6及iPhone 6 Plus新机型的比例较微信与支付宝用户更高。

好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。