
CNET科技资讯网 4月18日 北京消息(文/孙封蕾):“用三个星期的时间,打造一款移动直播的APP”;“移动直播突然就火了,以至于我们都没时间去想怎么来推广金山云做移动直播有多专业”……
金山云合伙人朱桦
这些话听上去像是说大话,但是,看着金山云合伙人朱桦严肃的表情,脸上完全没有“吹牛”的影子。
所以,金山云组织一场名叫“如何快速打造一款月流水过亿的移动直播App”的沙龙就完全不奇怪了。
那么,快速打造,到底有多快呢?
朱桦说:“在我们平台上,最快的记录是6个人的研发团队,用三个星期的时间,把iOS和安卓客户端,完成了从开始设计App到最后发布App。”
这听起来感觉不可能,但是实际上,以目前的技术程度来看App用三个星期的时间来完成,肯定是够的,而在开发这款App的同时,移动直播的部分,只要把视频所有的东西打包进去,与App的开发可以实现同步完成,开发团队可以对视频毫无概念,金山云可以帮助他们把服务端,到视频前端的问题,一并解决。
因为这个速度,所以,在移动直播领域的市场份额,金山云差不多占到了三分之一以上。
提及进入移动直播领域的原因,朱桦指出,一年半到两年前开始,金山云主要是做存储的业务,当时主要针对小米手机用户。不到一年的时间里,小米手机里面视频的体积和数量有个巨大的体现,2014年和2015年的年初比,大概视频的体积大概翻了7倍,这个数字几何倍数的成长,不仅仅包括视频的个数,还包括视频体积。
基于这样的数据,金山云判断,视频是互联网未来发展的一个方向,经历过读图时代,经历过视频时代,移动视频被金山云判断为未来的突发点,所以开始在战略上向视频领域倾斜,而且在发展过程中发现,移动端的需求越来越大。
尽管做了充分准备,但朱桦也不可否认,移动直播的汹涌来袭还是始料未及的。提前一年多的时间就已经做了布局准备,在市场爆发之时,基本做到了行业的最高水准,所能提供的技术水平可以达到BAT级别。
朱桦举例,移动直播有30%--40%的情况下都处于弱网环境,是在3G网络下,丢包非常严重。在这种环境下,能够让主播把视频推上来,这个技术不是那么容易做到的,需要通过一些比较特殊的手段,比如说你要模拟网络损伤的状况,这就需要有专业的设备和专业的环境才能够达到,一般情况下很难做得到。
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。