北京时间5月14日消息,据科技博客VentureBeat报道,Twitter委托市场调研公司Research Now发布的调查报告显示,Twitter用户热衷于观看视频,特别是在移动设备上。
报道称,为了掌握Twitter上的视频观看情况,Research Now对14个国家的用户进行了调查,每个国家调查的用户数量至少为1000人。
调查发现,大多数Twitter用户(82%)在Twitter上观看视频内容。其中,全球90%的Twitter视频是在平板电脑或智能机上观看的。Twitter用户观看的视频类型大致相同,64%的人喜欢观看突发新闻,54%的人喜欢观看体育节目集锦,50%的人喜欢观看电视节目集锦。
报告显示,在Twitter用户最希望看到的更多视频来源中,名人占比达到45%,然后是其它用户(40%)、品牌(37%)。
报道称,Twitter在此次调查中发现的最有价值数据可能是:70%的用户主要观看的是在他们的信息流中发现的视频,这意味着用户正在Twitter上挖掘新视频内容。对于考虑在Twitter上展开营销活动的广告商来说,这是一项关键参考数据。另外,只有11%的用户称他们在Twitter上使用搜索来寻找特定视频。
相比之下,只有20%的YouTube用户表示,他们主要观看的是在YouTube上发现的视频;63%的用户称,他们主要使用搜索来寻找YouTube上的特定视频。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。