短視頻,作為新興社會(huì)化營(yíng)銷平臺(tái)備受社會(huì)廣泛關(guān)注,各家都希望能在這個(gè)領(lǐng)域擁有自己的一席之地。5G時(shí)代已來,必將為短視頻行業(yè)注入新的活力。就在近日,由深圳國(guó)星視界科技有限公司研發(fā)的一款主打新知內(nèi)容領(lǐng)域的短視頻APP——焦點(diǎn)短視頻正式上線。
當(dāng)下,為實(shí)現(xiàn)短視頻平臺(tái)環(huán)境的風(fēng)清氣正,就必須避免“流量為王”的傳播導(dǎo)向,糾正“算法沒有價(jià)值觀”的價(jià)值盲區(qū)。通過以往的一些短視頻平臺(tái),我們不難發(fā)現(xiàn),標(biāo)題奪人眼球、內(nèi)容卻言之無物的信息被大量推送,造成內(nèi)容過度下沉的“尖叫效應(yīng)”與“信息繭房”。
焦點(diǎn)短視頻正是糾正“算法沒有價(jià)值觀”的流量傳播導(dǎo)向,以健康的價(jià)值觀規(guī)范和指引算法應(yīng)用。同時(shí),它定位于“新知內(nèi)容短視頻”,用戶可以在平臺(tái)上搭建有營(yíng)養(yǎng)的價(jià)值內(nèi)容體系,輸出知識(shí)、智慧、觀點(diǎn)、情懷。
2月6日凌晨,焦點(diǎn)短視頻已在各大應(yīng)用商店上架,安卓用戶可直接在安卓應(yīng)用商店搜索下載。ios用戶請(qǐng)?jiān)趇Phone或iPad中安裝TestFlight以加入Beta版“焦點(diǎn)短視頻-熱門知識(shí)短視頻平臺(tái)”測(cè)試,如果您已經(jīng)在此設(shè)備上安裝TestFlight,現(xiàn)在即可開始測(cè)試。
焦點(diǎn)短視頻共有四大內(nèi)容方向:泛文化、泛娛樂、泛生活、泛科技。旨在打造全品類新知內(nèi)容平臺(tái)。對(duì)應(yīng)30+品類,100+標(biāo)簽,用戶無論檢索還是分享新知內(nèi)容,都能在快速觸達(dá)相應(yīng)標(biāo)簽。
焦點(diǎn)短視頻也會(huì)以“海量自孵化/自有版權(quán)內(nèi)容,驅(qū)動(dòng)正向價(jià)值輸出導(dǎo)向”為原則,堅(jiān)持海量OGC與PGC新知價(jià)值輸出,通過自制內(nèi)容工作室、簽約自制內(nèi)容、以及與機(jī)構(gòu)、品牌、用戶創(chuàng)作者合作,實(shí)現(xiàn)新知內(nèi)容生態(tài)。同時(shí),焦點(diǎn)短視頻通過新知直播+流量助力+培訓(xùn)學(xué)校三大支撐為社交直播布局。
未來短視頻的發(fā)展更看重內(nèi)容,內(nèi)容精煉的短視頻更符合現(xiàn)代人碎片化的信息需求。焦點(diǎn)短視頻的上線,就是為了進(jìn)一步吸引更多在專業(yè)領(lǐng)域有建樹的人參與到短視頻創(chuàng)作之中,在視頻內(nèi)容形式上有更多的探索。
焦點(diǎn)短視頻的首次登場(chǎng),值得我們期待!
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。