
CNET科技资讯网 7月1日 北京消息(文/黄雅琦):数据显示,未来10年我国0-6岁儿童预计新增1.9亿,母婴市场正面临巨大的发展机会。作为百度旗下百度旗下专业母婴知识社区,宝宝知道正在积极布局母婴内容生态,打造国内最大的母婴知识分享社区。
百度宝宝知道是百度知道面向备孕、怀孕、0-6岁新手父母的一款专业孕育工具。和三甲妇产医院、知名医师、育儿大V等强强联手,通过技术与设计,将孕育过程中所需要的知识、工具、答疑等权威内容聚合,变为可视化和工具定制化呈现给新手父母。
昨日,百度宝宝知道宣布启动“内容•趣生态”项目并发布“百万粉丝计划”。“百万粉丝计划”推出后,百度宝宝知道将与众多母婴领域企业机构、专家大V、红人达人、海量用户共同分享1亿母婴流量,将优质内容生产者打造为拥有百万粉丝的明星账号。
百度宝宝知道总负责人李月梅表示,“近年来,母婴人群持续增长带动母婴行业高速发展。百度宝宝知道作为面向备孕、怀孕、0-6岁新手父母的专业母婴社区,上线两年时间便取得了PC+WAP+APP三大平台每日流量过亿的成绩。‘百万粉丝计划’将释放全行业母婴内容分享者的能量,通过沉淀海量经验型内容,满足用户对经验型长尾内容的需求。宝宝知道愿与行业各方共享1亿母婴流量,共同构建专业高质的母婴内容生态。“
作为百度在母婴垂直领域的重要布局,宝宝知道依托百度平台优势,目前在PC端、Wap端、APP端三大平台日流量过亿,成为全网最大的母婴流量入口。每天通过百度搜索母婴相关知识的用户中,53%的搜索需求被宝宝知道所满足。同时,这些母婴流量也会同步到百度搜索、手机百度、百度知道、百度糯米、百度地图等百度大流量产品上,被更多用户消费和分享。
在内容质量和来源上,宝宝知道通过与卫计委、北京大学第一医院、北京大学人民医院、北京儿童医院、清华大学附属第一医院、百科名医、早产儿联盟、风信子等多家三甲医院和权威机构深度合作,汇聚数百位母婴领域知名专家,提供专业权威的内容。目前,宝宝知道日刊内容和满足用户提问自动问答的唯一库数据100%由专家提供和审核。
除过亿流量和专业内容,宝宝知道的优势更体现在对用户的精准触达上。通过搜索Query识别、Top问答聚簇、用户画像、精准推送等,宝宝知道建立了完善的用户图谱,让专业高质内容精准触达用户。
据权威数据统计,越来越多父母的育儿信息获取来源于互联网“育儿达人”。目前宝宝知道用户已达千万量级,已有众多普通妈妈在这里成长为明星达人。通过“百万粉丝计划”,2016年宝宝知道将打造更多明星账号,旨在将更多“育儿达人”亲身实践的经验触达全平台用户,构建自循环的优质内容生态。
“宝宝知道的用户基数、用户粘性为优质内容的曝光度和阅读量做了保证。‘百万粉丝计划’可以吸引更多优质母婴原创作者入驻,为用户提供更加全面多元的高质内容。”宝宝知道运营负责人刘学娟表示。
事实上,宝宝知道“百万粉丝计划”的实质是,打造更好的内容平台,挖掘优质内容贡献者。这些内容贡献者则是由母婴专家,达人,专业机构,自媒体,企业内容方组成。
据悉,目前已有著名儿科医生虾米妈咪、急诊科女超人于莺、著名儿科教授王玉玮等300余位专家、达人入驻“百万粉丝计划”,累计贡献上万篇优质经验贴。据悉,首批入选“百万粉丝计划”的用户将获得一系列专属权利,包括千万流量入口的首页推荐和APP启动页推荐、宝宝知道专属VIP勋章、金牌栏目《度妈学堂》优先邀请、知名育儿杂志深度报道等稀缺推广资源。
百度知识搜索部高级经理陈合春表示,“‘百万粉丝计划’是宝宝知道打造内容生态的重要举措。以优质内容撬动用户和流量的良性循环,打造账号品牌,最终形成粉丝经济。宝宝知道将通过这种PGC+UGC、用户满足用户的方式,打通用户、内容和消费的生态闭环。“
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。