#信息流

5天前

越来越多的KOL被我分到了「嘴撸」这个分组里…… 很难在信息流中发掘到那种真正有叙事能力的新鲜项目了。有没有个人投研能力强的博主，推荐一下！我要关注！

#kol #嘴撸 #信息流 #投研能力 #博主推荐

1个月前

信息流投手的日产工作和KPI通常有哪些？

#信息流 #投手 #日产 #KPI

1个月前

chatgpt 今天刚发布的pulse，本质上是一个内容策展/curation agent。 pulse，作为 curation agent，解决一个基本但关键的需求：人的日常信息获取。人的大脑每天都要获取信息，就像人的胃每天都要吃饭。但算法驱动的社交媒体和信息流，在很多时候，在某种意义上某种程度上像在给人喂粪水。（尤其是简中垄断平台搞的恶心算法） pulse的价值：为你每天私人定制信息流，与你有关的，有用的，重要的；让信息为你服务，为你的目标服务。运行过程： pulse 会基于chatgpt对你的了解（全部历史对话、memory、已连接工具如google calendar中的个人信息），每天晚上异步执行研究任务，然后定制出一份“晨报”/个性化信息流，呈现给你。每天只有一次，看完就没了。chatgpt认为这个功能的作用是帮助你，给你提供更相关、更有用、更重要的信息。而不是让你一直scrolling，一直划手机。你的反馈，对pulse的优化非常重要：好的内容点赞，不好的内容点踩。想了解什么？想深入研究什么？想持续关注什么？直接对pulse说。说的好坏不那么重要（你的表达再含糊，对chatgpt都不是问题），关键在于多反馈。 sam altman认为，pulse的一小步，是ai应用范式转换的一大步：从被动的回答问题，转向主动研究——计划——行动的agent。pulse是这一范式转换的最简单形态。目前还属于实验阶段，后续会逐步优化。我录了一个视频，对着手机给你demo一下，一方面获得第一手的直观体验，另一方面聊一聊我对这个agent的理解和思考。

#ChatGPT #Pulse #内容策展 #信息流 #AI Agent

3个月前

除非有很精挑细选的关注名单或者在时效性较强的话题上搜索最新进展，否则不要在X这类平台上浪费太多时间去阅读。一方面，X这类短篇文字平台的内容创作成本很低，加上Gen AI能力抄袭搬运内容再做矩阵号的难度大幅度降低。另一方面，X平台也从关注列表转换成信息流模式，且推送的内容只看最基础的互动数据而不看内容质量和人群画像，很容易给标题党和低质内容更多流量。要看内容就应该看观众和作者更小众且垂类，创作成本相对较高，且传播很注重reputation而非推荐系统的平台，比如Newsletter、Podcast等。

#X平台 #信息流 #低质量内容 #内容创作成本低 #Newsletter、Podcast

5个月前

掌控流量分发，永远是不同互联网革命阶段下最大的benifit。 PC互联网时代是，SEO；移动互联网时代是，信息流； AI时代呢？如果影响AI投喂的结果，是一个很重要的流量掌控，那么在deep search的模式下，产生“重度内容”的社会化网络平台，还是有较大的影响力和产业变革的机会，他们会成为AI供应链的一环，他们会分到一杯羹，他们被重新定义了

#流量分发 #互联网革命 #SEO #信息流 #AI时代 #Deep Search #重度内容 #社会化网络平台 #AI供应链 #产业变革

NiKITa🇺🇦 ꑭ

5个月前

馬斯克的社交媒體平台 X 出現嚴重故障馬斯克旗下社交媒體平台 X似乎正處於嚴重故障之中。信息流無法加載，報告顯示私信也無法發送。Downdetector顯示，報告數量在美國東部時間上午八點後不久開始激增，然後急劇上升，之後開始下降。全球互聯網監測機構NetBlocks寫道，X一周內第二次出現部分用戶的國際故障，並補充說該問題與國家層面的互聯網中斷或過濾無關。此次問題發生在週四早上 X 位於俄勒岡州的數據中心發生火災後。火災涉及數據中心某個房間內的電池。

#馬斯克 #社交媒體 #故障 #信息流 #全球互聯網 #NetBlocks #互聯網中斷

9个月前

今早The Information报道，监管部门指示小红书加强英文内容审核。小红书开始减少英文海外用户内容在中国用户信息流里出现的频率。

#小红书 #内容审核 #信息流 #国际用户 #监管部门

10个月前

文明发展一定是朝着信息自由流通阻碍越小的方向行进，每一次信息流通门槛大幅降低，就会带来一次新科技革命从信息流通门槛底层逻辑,看LLM这一波浪潮能走多远，想清楚这一点，是我2024年最大收获之一 LLM在信息流视角上实现了两个历史第一次: 人和信息流交互做到双向互动用token统一了多维度信息 ----------------------------------------------- 信息流通门槛大幅降低，主要从两个视角来看 ----------------------------------------------- 第一个视角：科技的发展换一个视角来说，本质上是人和信息流的交互方式的进化 ----------------------------------- 电脑(操作系统OS)革命，互联网革命，移动互联网革命，从更高抽象层都是对于人和信息流交互的革命电脑革命，也就是操作系统革命，是人机交互最早的形态。比尔盖茨最初的愿景就是创建一个图形界面GUI，windows就是一种抽象层，让人可以忽略底层的硬件资源管理，构建一个虚幻的可以任意使用硬件的幻觉，用图形化的方式让人们更容易操控硬件(电脑)，和电子数据/信息流交互而人机交互界面本质上是人和信息流交互界面的具象化互联网革命让地域上的信息交流在物理距离上和成本接近零，大幅降低了人和人创造出的信息流交互的门槛移动互联网本质上是人机交互界面的迭代，UI的易用性，使用门槛，使用场景渗透，即时性和笨重的电脑比都得到了大幅增强移动互联网在形式上更方便，比如触摸屏，碎片化时间利用率大幅提升以及视频/音频/LBS的随处采集，再一次降低了人和信息流的交互门槛为什么所有的公司都需要app？本质上是因为要适应于这个新的UI(人和信息流)交互模式为什么AR被寄予厚望？就是因为这可能是比手机更高效易用的UI(人和信息流)交互模式 ------------------------------------ 解释了这个视角之后，再来看LLM在这个视角下的历史进程地位科技历史上看，从人和信息流的有限固定交互（书籍/电脑或静态网页），到人主动去定向低效捞取信息(搜索引擎)，到推荐系统去猜人的心思推送信息流方式的交互（社交网站，Twitter），再到人可以主动高效和信息流双向互动(LLM)。 LLM让信息流第一次有了“生命”，有基本的模拟推理能力，agent flow让信息流可以和人进行双向互动(互相启发思考)，信息流对人的理解能力，反馈精度提高了太多。任何历史上人类创造的方法/经验，编程方式，都以“活的信息流”和人互动的方式大幅降低了信息流的获取难度甚至在此基础上信息流的“拟人化”模仿人类调用外部工具处理/分析信息，更贴近理解人的上层意图，让自动化范围更广，本质上是把人交互信息流的抽象层又抬高了一层这种主动贴近人类意图(agent flow)的像是有生命的拟人化信息流，也是历史上第一次出现如果说web1.0到web2.0，从静态网页单向展示，变成了人和人之间有了互动，那么AI1.0和AI2.0的区别，就是从推送系统信息流个性化单向展示，变成了人和信息流双向互动 ----------------------------------------------------- 那么AI3.0在信息流视角的下一步加强会是什么？也许就是人和多个独特信息流的多向互动每个人都是自身独特人生经历所过拟合函数的产物，只有过拟合才能保持作为人的独特优势，人和人的交流之所以有价值，正是因为能取得自己的过拟合函数所无法取得的视角，信息以及方法论，从而修正自身人 = 过拟合函数群体智慧不仅仅只是广度互补，更重要的是各个过拟合函数之间，会有新的组合火花碰撞出来，对新组合的价值评估也更为容易和准确，因为A和B排列出来的新组合的价值很可能是在第三个过拟合函数C眼里才得以闪光而新组合得到价值超于预期的验证之后，就会正式成为创新所以多个独特过拟合的信息流和人交流，会碰撞出比单个"全拟合"平庸的LLM信息流多的多的灵感 AI4.0在AI3.0基础上的下一步加强是什么？多人(包括数字分身)和多个独特信息流的多向互动加入多人在实际世界中的经历之后，带来的碰撞和消除信息差会效果更好，因为人作为消费者的视角和实时反馈，可能是会比信息流更新的信息数字分身是一个非常好的解决方式：从人类历史信息获取门槛的角度，印刷从10万门槛降低到1万，交通发展从1万降低到1千，互联网/搜索从1千降低到100，在线教育从100变成50，chatGPT把门槛50变成了5，数字分身则把门槛进一步降低，打通了历史上信息流通最大的障碍：人与人之间1v1低效的交流，以及场合所限的物理隔阂功利的信息交流角度，这是一种高效打通人和人之间信息流通的渠道，现在非常多信息和机会其实是很需要人和人之间的互动交流的，这样的1V1互动交流其实是很低效而浪费时间的。而有了这种新的方式，你去调研一群人的想法，以后不需要一个一个走访了，大家的数字分身交谈完了，来个总结就行 --------------------- 比如未来的AI/agent scale的方向，很可能就是复制人类的文明史：分工带来更好的过拟合结果，执行层和管理层分离带来更高效率，不同领域过拟合的个体交流碰撞才能出来更多的组合火花 ------------------------------------------------- 第二个视角：在历史上第一次，LLM打通了不同维度信息之间流动的障碍，把所有的信息，从视觉，听觉，文字，图表用同一个格式统一了起来：token 信息流动门槛在多个维度的大幅降低，为什么会带来无数组合的机会？（组合=创新） 1.互联网上不同信息流的互联快捷性以及易用性，打破学科/产业之间的隔阂更容易，让更多不常见组合成为了可能性，创新的速度更快了起来就像一种“化学反应”：原本看似不相关或难以结合的元素，如今能被灵活地拆分、重构、重组。每一次的组合都是对社会、商业和技术形态的一次新探索，因而能够催生出数量级增长的创新与应用机会 2. 不同维度，不同格式的信息流之间，拥有了一个通用超级接口信息流之间理解力强，降低了interface接口精确性要求（一般接口种类繁多，各有自家定义，格式严格精确性要求高，还要考虑兼容，做到通用性不容易），大大提高了接口的通用性相当于把各种接口一统江湖，降低了各个子领域技术组合的门槛当信息可以用统一的方式（token）进行处理，各种原本分散、隔阂或需要大量人工解析的内容就能够更顺畅地打通。不同学科、不同产业之间的数据、知识更容易被整合、交叉引用、自动调用。比如说，视觉、听觉、文本、图表等都能以统一的“token”形式表示和处理，也让机器人，或者具身智能，成为了可能性：通用信息流有了"生命"，自身的“理解”/“推理”能力，让视觉、听觉、文本信息流之间障碍减少几个数量级，可以在同一套系统中对多模态信号进行综合判断。不仅降低了对各模块“精确接口对接”的依赖，在数据训练上scale up效果也非常好，甚至能接入游戏GPU生成数据scale up 特斯拉的自动驾驶是另外一个证明，端到端的自动驾驶策略在scale up效果上，充分发挥了统一各种信息流的优势 --------------------------------------------- 从这两个视角来看，LLM在信息自由流通门槛上大幅下降，没有任何疑问 LLM在这个视角下的历史进程地位，有没有达到了和互联网革命相似的水平？2024年的chatbot水平也许还没有，但在可预见的未来是很有希望能达到的。就像Sam今天发的那样，未来有更长的context，有更好的memory，造就出更好的agents，也就是更有生命力更拟人(能在open ended task有更好表现)的信息流。那么这两个视角的信息自由流通门槛的下降，与人交互信息流的抽象层提高程度，未来不是梦不需要纠结LLM像不像理想化中的完全替代人的AI，不需要纠结LLM不像人类那样有0-shot的推理能力，只要能达到信息自由流通门槛的大幅下降，已经足够引发一轮类似互联网革命的科技浪潮了。还是那句话，科技的发展，甚至文明的发展，一定是向着信息流的networking交互越来越多，交互门槛越来越低的方向前进，因为这才是探索新组合(也就是创新)更高效的方式，最后活的更好的一定是信息流自由交互门槛更低的文明，这是必然的趋势。

#LLM #信息流 #交互 #创新 #科技革命