鉴于最近数据隐私控制丑闻,许多媒体如Current Media等进入加密领域。
与此同时,公司诸如Verasity公司利用区块链平台清除假新闻和不实观点。
RightMesh在互联网访问受限国家/地区使用区块链实现点对点连接用户。
寻求免费便捷内容的用户越来越依赖互联网。然而,非货币化、数据隐私和欺诈活动等重要缺陷令消费者和提供商有所动摇。
当前,为解决这些问题,越来越多的公司正在创建基于区块链技术和加密货币技术的商业模式。
像Verasity这样基于区块链的媒体公司会通过加密货币对用户、创作者和广告商进行补偿。
Current Media联合创始人兼首席执行官Dan Novaes接受采访时透露,诸如Current Media这样的企业受最近数据隐私控制事件影响而选择进入加密领域。
其中一些公司的举动归因于欧洲通用数据保护条例及Facebook“剑桥分析”数据丑闻等事件。
该公司目前正与Apple Music、Spotify等不同媒体及内容创作者合作,确保媒体制作者和用户能够通过观看和制作内容获得奖励。为此,该公司创建了CRNC令牌加密货币单元以奖励内容创建者。
由于YouTube在薪酬结构上存在争议,Novaes认为它是CRNC令牌的潜在用户之一。
Novaes说:“只有原创者会有如此遭遇”,他补充道,“数十亿人从平台获取免费音乐,而非通过Spotify或Apple Music订阅。”
Current旗下每个基于以太坊的CRNC令牌价值24美分。公司不断推出举措,前一千名用户将在数月内开始使用。
清除虚假信息
Verasity联合创始人Adam Simmons称其公司开发了可清除虚假新闻的区块链平台。 Verasity是个由VERA Tokens推动的共享平台,可用比特币和以太坊购买,还可向观众及创作者支付报酬。
观众打赏最喜欢的创作者,可以创作者提供更多素材。随着频道观看次数的增多,观众也可获得报酬。观众也可通过浏览广告获取广告商的报酬,而不是广告商通过内容中嵌入广告只支付支付创造者费用。
Simmon表示:“更重要的是,用户能看到他们点击的内容,这并非消极体验。”“这对观众的参与方式产生了积极影响。”内容查看者还可以选择共享个人数据及其公开程度。
Simmons解释道:“内容创建者能够得到匿名观看人数的数值,可以清除僵尸用户(有名无实的虚假用户)。自动账户会导致虚假信息泛滥。如果大量僵尸用户“浏览”了一篇文章,会误导算法,从而让其把该文章推送给更多真实用户。
Verasity最近刚刚实现首次币发行,预计今年年末将推出相关服务。
脱离网络,建立联系
RightMesh是一家借助区块链技术,帮助网络受限国家,建立用户间点对点联系的公司。这家公司完全绕开了网络,对于部分网络受限的国家而言帮助很大。
“你是你,我是我,彼此独立,这是区块链的工作原理,” RightMesh首席执行官John Lyotier称,他的工作团队在孟加拉国使用拨接高速网络时产生了灵感:“用户若不登陆网络,就无法获得权限。”
RightMesh与孟加拉国地区的开发商合作探究如何建立远程联络。一般而言,用户只有通过无线网络、蓝牙或个人热点才能上网。而RightMesh则通过安卓系统向用户提供网络。此外,与以太坊支持的RMESH代币分享数据的用户还可获得报酬。
Lyotier认为:“互通不会消失,所以区块链终将改变世界。没有区块链技术和通信,加密货币也无法发挥其最大潜力。”
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。