Linkedin面向企业推出信息管理与发布工具Elevate。这个工具的最大特点是基于员工的LinkedIn关系网络帮助企业传播内容, 并让后者及时高效得将企业PR相关的内容分享到Linkedin和Twitter上。Elevate已在网页端,iOS和Android三大平台上线。
通过Elevate,企业可以借助员工的社交关系分享内容,一方面有利于企业增加曝光度和影响力,另一方面也能加强员工与企业的联系,增强其归属感。
Elevate在内容管理上结合算法推荐和人工管理,前者来自新闻阅读应用Pulse和信息聚合网站Newsle上的企业相关信息。Elevate还将根据读者活跃度,给出员工分析内容的最佳时间,提高内容传播的效率和影响力。
同时,Elevate还具有传播效果分析功能,企业和员工都能看到所发布内容的点赞数、评论数和转发数,以及企业职位的浏览量和企业主页关注度的变化。
Linkedin在2013年和2014年分别收购了Pulse和Newsle,这两家公司的主要业务都集中在信息的聚合上。Elevate的加入则盘活了Pulse和Newsle上汇聚的内容,使内容在Linkedin,乃至其他社交平台上流动起来,激励用户以社交分享反哺社区,保证其活跃度。
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。