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
想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。
想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。
想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。
想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。