Pinterest 正在试验一项名为 “auto-collages” 的 AI 功能,该功能可以帮助广告主迅速将其产品目录转化为可购物的拼贴图,Pinterest 本周宣布。
该新功能旨在帮助广告主更便捷地接触消费者,同时节省时间和创意资源,Pinterest 表示。
公司指出,拼贴图是 Z 世代用户中最受欢迎且互动性最强的内容形式之一,该平台上已创建了上千万个拼贴图。在早期测试中,Pinterest 发现,用户保存自动拼贴图的比率是标准产品 Pin 的两倍。
自动拼贴图通过将产品图片依据搭配建议、用户互动、相似产品以及用户保存等因素组合成可购物的视觉内容来实现。例如,该功能可能会根据已有的造型,将构成时尚搭配的服装聚集在一起;又或者,它会生成一幅与那些获得强烈用户互动的现有拼贴图风格相似的新拼贴图。
此外,该功能可能会选择相似产品并将它们组合成一幅拼贴图。在另一种情形下,自动拼贴图可能生成一幅包含与用户在收藏板上保存的产品相似的商品拼贴图。
Pinterest 广告营销及运营副总裁 Julie Towns 在公告中表示: “auto-collage 源自去年启动的 Pinterest Ads Labs 项目,在该项目中我们不断创新生成式 AI 产品,以助力品牌始终走在潮流前沿。自动拼贴图工具是一项激动人心的飞跃,通过 AI 技术即时将品牌的产品目录转变为能引起 Z 世代乃至更广泛用户共鸣的新式创意。”
此外,Pinterest 还宣布将更新其 “Trends” 工具,以帮助广告主更好地了解和预测用户接下来可能购买的产品。更新后的工具将利用对用户保存、策划和购物行为的洞察。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。