CNET科技资讯网 11月7日 北京消息:第三届搜狐视频出品人大会将于2016年11月17日在北京五棵松举行。作为专业提供视频自媒体PGC交流推介的盛会,搜狐视频出品人大会关注网生原创影像,表彰视频自媒体内容。
出品人大会现场将通过展示路演、互动游戏、高峰论坛和颁奖典礼等多种方式,推动和引领视频自媒体的网生内容盛世。和以往几届一样,本届大会也将公布平台新战略、展现出品人风采并将颁发自媒体奖项,以此表彰近半年来有突破与创新的出品人。
针对视频自媒体网生内容时代,搜狐坚持 “我是搜狐出品人,我用视频告诉你”为主题的视频自媒体新平台战略,全方位布局PGC产业链,推动战略的全方位升级。
搜狐视频全方位布局PGC产业链
第三届出品人大会·论坛将围绕“垂直深挖,变中求新”这一大会中心理念,公布搜狐视频自媒体平台战略。本次论坛分为平台战略发布、出品人学院、巅峰对话三大部分,旨在提高行业深度交流、加强平台影响力,为出品人提供一个中立和开放的交流合作平台。论坛将邀请视频出品人行业领军人物进行自媒体PGC领域内高关注度话题进行分享, 同时增设圆桌会议来提高出品人参与度和增强论坛互动性。
出品人参展体现平台影响力
搜狐视频出品人广场作为本次出品人大会的重要组成部分,有几十家视频自媒体出品机构设立展台,专业的PGC机构在展区内进行项目推介、自我宣传,并设置有固定的粉丝互动环节。各自展区内的屏幕将不间断播出视频花絮,同时现场LED大屏幕也将循环播放自媒体PGC精彩内容。此外,PGC机构更是准备了多项游戏、互动与奖品,打造火爆现场。活动当天,自媒体出品人、搜狐视频主办方、客户、粉丝、媒体参与人数将达到上千人规模。
颁奖典礼树立权威影响力
本次出品人大会上将颁发自媒体奖项13个,其中11个奖项获奖人(作品)将从十个分类里分别选出,包括搞笑、科技、汽车、美妆、游戏、亲子、旅游、主播、VR全景、千里眼,同时颁发自媒体内容创新奖和自媒体模式创新奖。以此来表彰近半年来在内容上有突破与创新的出品人。
搜狐视频力求引领网生内容时代,坚持战略投入扶植原创自媒体出品人,大规模投资视频自媒体领跑优质网生内容品牌平台。搜狐视频自媒体平台关注垂直领域,聚焦专业内容,重点突破娱乐、知识、民生等领域,拥抱“知识影像化”时代;聚合全网头部内容,关爱八卦成长协会、暴走官方、一刻talks等全网具有品牌价值的内容纷纷落户搜狐视频,产出内容与积累粉丝;还培养孵化冠军魔方、变形金刚等优质IP,将内容与热点趋势相结合,引爆现象级内容。
此次颁奖嘉宾涵盖了为人熟知的娱乐明星以及行业领袖,搜狐公司董事局主席、CEO兼搜狐视频CEO张朝阳也将为本次大会致辞。优质的PGC团队、网络当红主播、KOL、娱乐大咖等齐聚一堂,将于11月17日在北京五棵松带来一场空前的行业盛会。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。