凤凰网科技讯 北京时间12月23日消息，早些时候，马斯克发布推文称，推特Twitter推出了查看次数功能，这样你就可以看到一条推文被查看了多少次!这对于视频推文也是同样适用的。
超过90%的Twitter用户阅读，但不发推文、回复或点赞，因为这些都是公共行为，这表明Twitter比看起来更有活力。
图源：来自推特截图
（举报）
马斯克改造推特新举措：推出查看计数功能
- 相关推荐
- 大家在看
-
【腾讯云】11.11云上盛惠！云服务器首年1.8折起，买1年送3个月！
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
广告 -
马斯克旗下xAI将推出Grok-1.5
马斯克旗下人工智能初创公司xAI宣布将推出Grok-1.5，该模型能够进行长语境理解和高级推理，将于近日向X平台Grok用户和早期测试者开放。Grok-1.5是最新的模型，具有长文本理解和高级推理能力。在最新的Grok-1.5版本中使用了基于JAX、Rust和Kubernetes的自定义分布式训练框架。
-
马斯克：只有“傻瓜”才会相信建议零售价
快科技4月22日消息，近日，媒体报道了特斯拉多次调整旗下FSD完全自动驾驶软件的价格。这一举动引发了广泛讨论，人们纷纷对马斯克及特斯拉的定价策略提出质疑。针对外界的疑问，马斯克在一篇关于特斯拉频繁调价”的文章下回复称，传统经销商模式的价格同样不稳定。他强调了其他汽车厂商也会通过不断的经销商加价或者制造商、经销商的激励措施来调整价格。因此，�
-
雷军： 我和马斯克做的事不完全一样
在今天下午的直播当中，雷军对如何看待将他与马斯克进行比较”这一问题进行了回答。雷军表示：毫无疑问，大家不能把小米当做是一个车厂来看待，小米的战略是人车家全生态。有一点是一样的，那就是我们和马斯克一样，都帮助了科技的普及，推动了这个社会的进步。
-
马斯克的朋友将帮助 xAI 筹集 30 亿美元
埃隆・马斯克的人工智能初创公司正迎来一波重要的支持，随着xAI竞速追赶OpenAI和Anthropic等竞争对手在激烈的竞争中。与特斯拉和SpaceX首席执行官有密切关系的投资者正在商谈，计划帮助xAI在一轮融资中筹集30亿美元，消息人士透露，史蒂夫・杰维逊和风投公司Gigafund是潜在的支持者之一。“他要么加入xAI，要么加入他们，”马斯克写道，并指出他也提高了人工智能工程师的薪水。
-
马斯克称特斯拉正精简销售交付体系
特斯拉首席执行官马斯克于当地时间4月16日在社交媒体平台X上发布动态，表示公司正在对销售和交付体系进行精简，他认为这一体系“已经变得复杂且效率低下”。马斯克最近进一步指出，特斯拉计划在全球范围内裁减超过10%的员工。随着公司规模的扩大，全球范围内设立的多家工厂使得某些领域的角色和工作职能出现了重叠现象。
-
马斯克：汽车实现大批量、正利润率的生产才最痛苦
马斯克最近在社交媒体上发表言论。他抱怨道：抱怨电影中专注于发明创造的片子远多于关注制造业的。与实现大批量、正利润率生产的疯狂痛苦相比，原型只是小菜一碟。
-
马斯克重申：特斯拉价值还能再增长10倍！
特斯拉投资者AlexAvoigt在社交媒体发帖称，投资特斯拉已10年，我可以证明，当怀疑最多之时，也是最大飞跃之时。这是一种可靠的重复模式，最近又在重复。Model3焕新版售价降至23.19万元，Model3长续航焕新版售价降至27.19万元，起步价已经低于小米SU7Pro。
-
震撼！马斯克发布日全食的卫星视角：地球上惊现一个黑洞
今天凌晨，今年全球唯一的日全食在北美洲地区精彩上演。特斯拉和SpaceX的首席执行官埃隆马斯克分享了由部署在近地轨道上的星链卫星捕捉到的日全食图像。中国上一次观测到日全食是在2009年7月22日下一次将在2034年3月20日。
-
马斯克为建立 xAI 从特斯拉挖来优秀工程师
全球首富埃隆・马斯克近期在建立xAI的过程中不仅与科技巨头、初创公司展开激烈竞争采取了从自家特斯拉挖来优秀工程师的策略。特斯拉的工程师EthanKnight等一众人才转投xAI，使得xAI在人才储备上得到强化。随着xAI在人才储备和技术研发上的持续努力，马斯克希望在人工智能领域取得领先地位，为未来的发展奠定基础。
-
荐马斯克即将发布Grok-1.5，推理能力更强
3月29日，马斯克旗下的AI公司x.ai在官网宣布，未来几天内即将发布Grok-1.5。x.ai开源了Grok-1的权重和网络架构，成为大模型开源领域的一匹黑马。训练数据方面，Grok-1发布版本所使用的训练数据截至2023年第三季度的互联网数据以及xAI人工智能导师提供的数据。
-
Perplexica:一个开源的AI驱动搜索引擎，提供深入网络的答案。
Perplexica是一个开源的AI驱动搜索引擎，它不仅搜索网络，还理解您的问题。它使用先进的机器学习算法，如相似性搜索和嵌入，来优化结果，并提供引用来源的清晰答案。使用SearxNG保持最新和完全开源，确保您始终获得最新信息，同时不损害您的隐私。
-
FaceChain:深度学习工具链，用于生成你的数字孪生体。
FaceChain是一个深度学习工具链，由ModelScope提供支持，能够通过至少1张肖像照片生成你的数字孪生体，并在不同设置中生成个人肖像（支持多种风格）。用户可以通过FaceChain的Python脚本、熟悉的Gradio界面或sd webui来训练数字孪生模型并生成照片。FaceChain的主要优点包括其生成个性化肖像的能力，支持多种风格，以及易于使用的界面。
-
Huggingface 镜像站:一个公益项目，致力于帮助国内AI开发者快速、稳定的下载模型、数据集。
HuggingFace镜像站是一个非盈利性项目，旨在为国内的AI开发者提供一个快速且稳定的模型和数据集下载平台。通过优化下载过程，减少因网络问题导致的中断，它极大地提高了开发者的工作效率。该镜像站支持多种下载方式，包括网页直接下载、使用官方命令行工具huggingface-cli、本站开发的hfd下载工具以及通过设置环境变量来实现非侵入式下载。
-
WebLlama:构建能够根据指令浏览网页并和您对话的强大代理
WebLlama是一个基于Meta Llama 3构建的代理，专门为网页导航和对话进行了微调。它旨在构建有效的以人为中心的代理，帮助用户浏览网页，而不是取代用户。该模型在WebLINX基准测试中超越了GPT-4V（零样本）18%，展示了其在网页导航任务中的卓越性能。
-
Infra Copilot:利用机器学习自动生成基础设施代码，提高开发效率。
GitHub Copilot for Infrastructure as Code（简称Infra Copilot）是一个利用机器学习技术帮助基础设施专业人员自动生成精确基础设施代码的工具。它通过理解基础设施任务的上下文，允许专业人员使用自然语言表达需求，并接收相应的代码建议。Infra Copilot不仅简化了基础设施即代码（IaC）的开发过程，还确保了跨环境和项目的一致性，加速了新团队成员的上手和学习过程，显著提高了工作效率并节约了时间。
-
LLaVA++:扩展LLaVA模型，集成Phi-3和LLaMA-3，提升视觉与语言模型的交互能力。
LLaVA++是一个开源项目，旨在通过集成Phi-3和LLaMA-3模型来扩展LLaVA模型的视觉能力。该项目由Mohamed bin Zayed University of AI (MBZUAI)的研究人员开发，通过结合最新的大型语言模型，增强了模型在遵循指令和学术任务导向数据集上的表现。
-
PhysDreamer:通过视频生成实现基于物理的3D对象交互
PhysDreamer是一个基于物理的方法，它通过利用视频生成模型学习到的对象动力学先验，为静态3D对象赋予交互式动力学。这种方法允许在缺乏真实物体物理属性数据的情况下，模拟出对新颖交互（如外力或代理操作）的真实反应。PhysDreamer通过用户研究评估合成交互的真实性，推动了更吸引人和真实的虚拟体验的发展。
-
AI快站:专注于提供HuggingFace模型免费加速下载服务的平台
AI快站是一个为AI开发者设计的服务平台，提供HuggingFace模型的免费加速下载，解决大模型下载缓慢和断开的问题，支持高达4M/s的下载速度，大幅减少等待时间，提高开发效率。
-
Llama-3 8B Instruct 262k:一款由Gradient AI团队开发的高性能文本生成模型。
Llama-3 8B Instruct 262k是一款由Gradient AI团队开发的文本生成模型，它扩展了LLama-3 8B的上下文长度至超过160K，展示了SOTA（State of the Art）大型语言模型在学习长文本操作时的潜力。该模型通过适当的调整RoPE theta参数，并结合NTK-aware插值和数据驱动的优化技术，实现了在长文本上的高效学习。此外，它还基于EasyContext Blockwise RingAttention库构建，以支持在高性能硬件上的可扩展和高效训练。
-
CoreNet: 是一个用于训练深度神经网络的库。
CoreNet 是一个深度神经网络工具包，使研究人员和工程师能够训练标准和新颖的小型和大型规模模型，用于各种任务，包括基础模型（例如 CLIP 和 LLM）、对象分类、对象检测和语义分割。
-
Llama-Chinese:构建最好的中文Llama大模型，完全开源可商用。
Llama中文社区是一个专注于Llama模型在中文方面的优化和上层建设的技术社区。社区提供基于大规模中文数据的预训练模型，并对Llama2和Llama3模型进行持续的中文能力迭代升级。社区拥有高级工程师团队支持，丰富的社区活动，以及开放共享的合作环境，旨在推动中文自然语言处理技术的发展。
-
Interactive3D:通过交互式3D生成技术，实现高质量且可控的3D模型创建。
Interactive3D是一个先进的3D生成模型，它通过交互式设计为用户提供了精确的控制能力。该模型采用两阶段级联结构，利用不同的3D表示方法，允许用户在生成过程的任何中间步骤进行修改和引导。它的重要性在于能够实现用户对3D模型生成过程的精细控制，从而创造出满足特定需求的高质量3D模型。
-
GraphRAG:结合文本提取、网络分析和大型语言模型提示与总结的端到端系统
GraphRAG (Graphs + Retrieval Augmented Generation) 是一种通过结合文本提取、网络分析以及大型语言模型（LLM）的提示和总结，来丰富理解文本数据集的技术。该技术即将在GitHub上开源，是微软研究项目的一部分，旨在通过先进的算法提升文本数据的处理和分析能力。
-
Qwen1.5-110B:Qwen1.5系列首个千亿参数开源模型，多语言支持，高效Transformer解码器架构。
Qwen1.5-110B是Qwen1.5系列中规模最大的模型，拥有1100亿参数，支持多语言，采用高效的Transformer解码器架构，并包含分组查询注意力（GQA），在模型推理时更加高效。它在基础能力评估中与Meta-Llama3-70B相媲美，在Chat评估中表现出色，包括MT-Bench和AlpacaEval 2.0。该模型的发布展示了在模型规模扩展方面的巨大潜力，并且预示着未来通过扩展数据和模型规模，可以获得更大的性能提升。
-
ID-Aligner:一种用于增强身份保留文本到图像生成的反馈学习框架
ID-Aligner 是一种用于增强身份保留文本到图像生成的反馈学习框架，它通过奖励反馈学习来解决身份特征保持、生成图像的审美吸引力以及与LoRA和Adapter方法的兼容性问题。该方法利用面部检测和识别模型的反馈来提高生成的身份保留，并通过人类标注偏好数据和自动构建的反馈来提供审美调整信号。ID-Aligner 适用于LoRA和Adapter模型，通过广泛的实验验证了其有效性。
-
Bundle of Joy:为忙碌的准父母提供宝宝女孩和宝宝男孩的名字选择。
Bundle of Joy是一个为准父母设计的应用程序，可以在几秒钟内为他们的新生儿浏览和筛选名字。该应用根据父母的偏好推荐名字，并根据父母的喜好进行学习，为他们提供适合他们口味的新的推荐。父母可以指示宝宝的性别，然后选择以下两个选项之一：名字的首选来源、宗教、主题、首字母和含义。他们开始根据自己的独特偏好获得漂亮的宝宝名字推荐。他们可以随时修改这些偏好，并继续根据自己的口味获得新鲜的推荐。
-
StudyBoosterAI:解锁个性化学习和考试成功，帮助学生制定个性化学习计划、记忆技巧等，支持IB、IGCSE、ICSE、文凭课程和大学学生。
StudyBoosterAI通过AI技术提供个性化支持，包括定制化学习材料、生动的学习内容、个性化学习计划等，帮助学生更有效地学习和记忆知识。
-
SNAPVID:是一款智能视频编辑工具，帮助用户快速剪辑、添加字幕和动画表情，提高视频的吸引力和互动性。
SNAPVID是一款智能视频编辑工具，利用AI技术提供多个热门视频剪辑建议，用户只需点击一次即可创建多个病毒式视频剪辑。同时，用户可以根据需要自定义剪辑长度和风格，并添加自定义的字幕和动画表情。SNAPVID还支持批量导出和品牌定制，使用户能够轻松导出自己喜欢的视频剪辑并保存项目设置，方便在多个项目中复用。通过AI B Roll技术，SNAPVID还可以自动添加相关的库存视频，提升视频的沉浸感。
-
Recruiting Co:革新您的招聘游戏，使用我们的即时验证器来简化招聘。
Blue Saturn是一款招聘辅助工具，通过即时验证器帮助中型和大型组织验证大量申请者。它可以分析数百个申请者的信息，在不到1分钟内提供全面的报告和排名。Blue Saturn的主要优点是快速验证、全面报告和智能招聘。
-
Vidu:中国首个长时长、高一致性、高动态性视频大模型，一键生成高清视频内容。国内版的Sora
Vidu是由生数科技联合清华大学发布的中国首个长时长、高一致性、高动态性视频大模型。该模型采用原创的Diffusion与Transformer融合的架构U-ViT，支持一键生成长达16秒、分辨率高达1080P的高清视频内容。Vidu不仅能够模拟真实物理世界，还拥有丰富想象力，具备多镜头生成、时空一致性高等特点。其快速突破源自于团队在贝叶斯机器学习和多模态大模型的长期积累和多项原创性成果。Vidu的问世代表了生数科技在多模态原生大模型领域的持续创新能力和领先性，面向未来，灵活架构将能够兼容更广泛的模态，进一步拓展多模态通用能力的边界。