
北京时间2月11日消息,Twitter正试图解决信息过剩的问题。此前许多新用户表示,在登录Twitter之初会看到过多信息,导致他们不太愿意经常使用Twitter。
Twitter周三宣布,对于离开Twitter一段时间的用户,将向他们展示订制的Twitter消息流,利用算法推荐他们感兴趣的内容。
Twitter高级产品总监杰夫·塞伯特(Jeff Seibert)表示:“许多Twitter用户关注了数百个,甚至上千个帐号。当他们回到Twitter时,会发现太多的信息令他们无所适从。”
这一功能中的Twitter消息可能来自任意时间,例如几分钟之前或几小时之前。Twitter的设想是将最重要的消息置于消息流最上方,帮用户过滤掉他们可能不感兴趣的信息。
Twitter以往总是按照时间逆序去排序消息,而此次调整是一个重要变化。这将帮助用户更方便地找到自己感兴趣的内容,从而吸引用户更多地访问Twitter。塞伯特表示:“这是为了帮助所有这些用户掌握他们在意的信息。”
关于Twitter将调整消息流排序方式的传闻已出现很长时间,而Twitter很可能考虑过多种不同的时间线展示策略。1年前,Twitter推出了“当你离开时”功能,帮助用户更方便地查看在离开Twitter期间消息流中有趣的内容。Twitter甚至在应用中辟出了一个专门栏目,向普通用户展示可能难以发现的有趣内容和对话。
不过过去几年,Twitter的一些内部人士不愿进行重大改版。他们担心,这将导致忠实用户的流失,或是影响广告销售。在2013年Twitter上市之前,即使用户数增长开始放缓,但Twitter的营收增长仍保持稳定。
塞伯特还表示,去年夏季回归Twitter的CEO杰克·多西(Jack Dorsey)给予产品负责人很大的自由度去质疑产品。他表示:“没有任何不能触碰的话题。”
上周,BuzzFeed报道称,Twitter即将对时间线排序方式进行调整,这引起了Twitter用户的抗议。而#RIPTwitter(安息吧Twitter)也成为了Twitter的趋势话题。
为了避免引起忠实用户的不满,Twitter正缓慢发布最新改版。用户最初可以选择在设置菜单中启用新功能,而随后这一功能将成为默认设置。而如果用户不想要这一功能,那么也可以在设置菜单中关闭。塞伯特表示:“我们希望让所有人都有机会按自己的意愿去使用。”
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。