5月4日消息,据国外媒体报道,Facebook周一宣布推出一个开放平台,让更多互联网内容和应用开发商能更方便地加入全球互联网上网服务组织Internet.org。InterNet.org由FaceBook创始人马克·扎克伯格(Mark Zuckerberg)发起成立,旨在让新兴市场的低收入和农村地区的人口可以享受到互联网服务。
FaceBook在一份声明中表示,该平台将对所有符合一定标准的互联网内容和应用开发商开放。如对于内容,要求在功能手机和智能手机上均能浏览,且在带宽有限的情况下也能浏览。
FaceBook推出该平台,正值拥有世界第三大互联网用户群的印度,有关互联网免费访问和网络中立的问题引起了越来越激烈的争论。
今年二月,Facebook与印度第二大电信运营商信实电信(Reliance,Communications)合作,在印度推出了Internet.org。但后来,许多已加入的电子商务企业和内容开发商相继退出该服务,因为一些活动人士称该服务违反网络中立原则——即互联网上所有网站都应一视同仁的概念。
Internet.org负责产品开发的副总裁克里斯·丹尼尔斯(Chris Daniels)接受媒体采访时表示:“我们已经听说了印度有关网络中立辩论,并一直在跟踪了解事情的进展。”
丹尼尔斯表示:“网络中立原则与帮助人们上网的项目没有冲突。”他强调指出,Internet.org对所有的移动运营商开放,没有涉及任何费用支付的问题,无论是来自或面向开发商。
他指出,Facebook已经在包括印度在内的九个国家推出了Internet.org,正为800万以上的人口提供互联网服务。
Internet.org应用让人们可以通过手机免费访问基本互联网服务,以及Facebook自身的社交网络和消息服务。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。