CNET科技资讯网 2月6日 国际报道:社交巨头Facebook第四季度营收超越预期,但假新闻带来的困扰亦不减反增。
最近几个月来,Facebook CEO扎克伯格(Mark Elliot Zuckerberg)一直在努力解决Facebook面临的假新闻问题,讨论社交网络在媒体行业中所扮演的角色这一议题。具体包括:信息传播企业是否负有遏制错误资讯的责任?在Facebook上持不同意见的用户是否有权利建立起这种并非人人都乐于接受的世界观?以上所有问题都有可能在未来引发危机,但Facebook至少在另一个最根本的问题上无需担心——也就是赚钱。
本周三,Facebook在其IPO的五年之后公布了截止于去年12月31日的最新财报。其营收高达88.1亿美元,高于分析师们预测的85.1亿美元。送去成本后的净利润折合每股1.41美元。分析师们此前给出的结论则为每股1.31美元。
该公司还表示,使用其平台的用户总量已经增长至18.6亿,高于上个季度的17.9亿。这意味着地球上几乎每七个人中,就有两个人每月都在使用Facebook。
“我们的目标是连通整个世界,其重要性已经达到前所未有的高度,”扎克伯格在一份声明中指出。“我们的企业在2016年中表现良好,但我们未来还需要投入更多精力以进一步改善人们之间的沟通能力。”
该公司股份在财报发布后的数小时中增长了近3%。
Facebook多年来一直与媒体行业保持着亦敌亦友的关系,但其张力在去年11月特朗普赢得大选后达到峰值。特朗普的部分批评者指责Facebook没有在打击虚假新闻方面投入应有的努力。另有一部分人则表示,Facebook的工作是将选民们的意见集中起来,因为Facebook的算法似乎更倾向于突出人们观点较为一致的文章。
该公司过去几个月来一直在努力解决这一问题。去年12月,他们提出一项计划以打击虚假新闻,包括纳入客观事实并让人们能够更轻松地标记出虚假故事。Facebook还在上周调整了其“趋势话题”功能。现在每个人都会看到相同的一组文章,而不再是一份针对个人喜好的个性化新闻内容列表,这似乎是希望为人们提供更为多样化的观点。
“我们一直在努力打击虚假新闻与恶作剧”,而具体方式则与该公司对抗垃圾邮件与欺诈链接一样,扎克伯格在本周三的分析师电话会议上表示。
但虽然Facebook方面目前仍能把控局势,但未来的情况却更加错综复杂。
本周三,该公司表示其广告收益达到86亿3千万美元,其中84%来自移动广告。但去年11月,公司CFO David Wehner曾警告称当年下半年的广告营收增幅出现“有意义”的放缓。
这到底是什么意思?翻阅Facebook的新闻推送,大家可能很快就会看到“推广故事”或者其它类型的广告。Facebook即将接近这一致命阈值,意味着如果广告继续增加,用户将因为反感而不再使用这一社交平台。
为了解决这一问题,Facebook公司开始尝试在其它位置投放广告,包括目前已经拥有10亿用户的聊天应用Facebook Messenger。
Facebook公司还准备向Snap发起新一轮冲击。作为Snapchat的母公司,其已经成为社交媒体中最为强大的竞争对手之一。这位年轻尊贵有望在本周进行期待已久的首轮公开募股。
Snapchat拥有疯狂而忠实的用户基础(月活跃用户达1亿5千万,其中大部分是年轻人)。Facebook一直在试图复制其中的一些酷炫元素,扎克伯格甚至明目张胆地复制了Snapchat中的流行功能——Stories。其允许人们发布视频与照片集,且这些资料会在24小时后自动消失。去年8月,Facebook持有的Instagram推出了自己的Stories功能。另外,Facebook本身也在爱尔兰开始测试同样的功能,名为Facebook Stories。
扎克伯格对于这种复制Snapchat流行功能的作法并不羞愧。
“很快,我们认为相机将成为分享体验的主要方式,”而不再是传统的文本框,扎克伯格在上季度指出。“我们认为视频的重要性显然将进一步提升。”
本周三,扎克伯格详细阐述了Facebook未来的视频功能发展思路。
他表示该公司对于用户上传的给朋友们观看的视频以及其它专业性内容很感兴趣。他还表示,其希望Facebook成为人们观看此类新鲜视频的环境,并最终实现“情节内容”。这很可能意味着扎克伯格有意将网站打造成类似于Netflix与YouTube的媒体平台。
不过扎克伯格指出,其目前的发展重点还不会归于大段视频内容。他解释称,“我们首先会着眼于较短的视频内容。”
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。