過去的幾個月內(nèi),Netflix視頻內(nèi)容的平均數(shù)據(jù)流速度下降了近30%,而Netflix和美國有線電視服務(wù)商康卡斯特(Comcast)達(dá)成的交易協(xié)議終結(jié)了這個令Netflix頭疼的問題。根據(jù)協(xié)議,康卡斯特的用戶將能夠順利獲得Netflix的流媒體內(nèi)容。
據(jù)有關(guān)消息人士向《華爾街日報》表示,Netflix已同意支付康卡斯特買路錢,以獲得直接訪問其寬帶網(wǎng)絡(luò)的權(quán)限。這份協(xié)議的宣布,距離康卡斯特公布以450億美元并購時代華納有線電視(Time Warner Cable)的消息不到兩周,而這項并購若能順利獲批,那該公司將可在全國創(chuàng)建一個為3300萬名客戶服務(wù)的有線電纜帝國。
該協(xié)議隨兩公司的聯(lián)合聲明一同發(fā)表,未透露該協(xié)議交易條款。
“康卡斯特和Netflix在今天宣布了一項互利互連協(xié)議,在未來的日子里,該協(xié)議將會為康卡斯特的美國寬帶用戶提供一個高質(zhì)量的Netflix視頻體驗。Netflix和康卡斯特已合作多月,兩公司間已經(jīng)建立了一種更為直接的聯(lián)系,類似于其他網(wǎng)絡(luò),在為用戶提供更好的用戶體驗的同時,也考慮到了未來Netflix網(wǎng)站流量的增長。Netflix并未在這份長期合作協(xié)議中獲得優(yōu)惠,而相關(guān)條款也未被披露。”
根據(jù)協(xié)議,Netflix可以直接連接到康卡斯特的網(wǎng)絡(luò)上,而無需像以往那樣通過網(wǎng)絡(luò)中間商接入。
多年來,Netflix和康卡斯特一直就前者的視頻銷售網(wǎng)絡(luò)免費接入要求而僵持不下??悼ㄋ固叵M鸑etflix能夠為其專用服務(wù)器連接服務(wù)付費,而Netflix希望能夠免費連接到康卡斯特的寬帶網(wǎng)絡(luò)。該有線電視巨頭過去一直在尋求因Netflix用戶造成的網(wǎng)絡(luò)擁擠現(xiàn)象的賠償,認(rèn)為為其提供網(wǎng)絡(luò)視頻使康卡斯特有了網(wǎng)絡(luò)負(fù)載。
近幾個月來,這一矛盾逐漸升溫,有民眾意見稱康卡斯特用戶獲取Netflix視頻內(nèi)容速度持續(xù)惡化。而據(jù)Netflix上月公布的數(shù)據(jù)顯示,自去年10月以來,康卡斯特用戶獲取Netflix視頻內(nèi)容的平均數(shù)據(jù)流速度下降了27%。
這筆交易的達(dá)成很可能將迫使Netflix與其他寬帶運營商簽署類似的協(xié)議,如AT&T、Verizon和時代華納有線電視等運營商,他們也都曾拒絕過Netflix希望免費連接到他們服務(wù)器的請求。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。