据国外媒体报道,亚马逊与哈珀柯林斯集团达成长期合作协议,该协议包括了柯林斯集团的纸质书和电子书。
知情人士透露,这项协议要求新闻集团旗下哈珀柯林斯为其出版的电子书定价,并且鼓励柯林斯消费者提供低价图书。
预计,该项协议将于本周生效,而相关的财务条款并未公开。
柯林斯集团的女新闻发言人在声明中说:“柯林斯集团已经和亚马逊达成合作协议,我们出版的电子书和纸质图书将继续在亚马逊销售。”
去年11月,虽然遭到出版商和作者的种种抵制,但是亚马逊依然与阿歇特图书集团达成了长期协议,亚马逊可以销售阿歇特图书集团出版的电子书和纸质书。
阿歇特隶属于法国的Lagardere SCA,是美国第四大图书出版商。
目前,哈珀柯林斯和亚马逊并未就合作发表评论。
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。