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
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。
德国马普智能系统研究所团队开发出专家混合模型的"即时重新布线"技术,让AI能在使用过程中动态调整专家选择策略。这种方法无需外部数据,仅通过自我分析就能优化性能,在代码生成等任务上提升显著。该技术具有即插即用特性,计算效率高,适应性强,为AI的自我进化能力提供了新思路。
Algoverse AI研究团队提出ERGO系统,通过监测AI对话时的熵值变化来检测模型困惑程度,当不确定性突然升高时自动重置对话内容。该方法在五种主流AI模型的测试中平均性能提升56.6%,显著改善了多轮对话中AI容易"迷路"的问题,为构建更可靠的AI助手提供了新思路。