
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
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。