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
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。