约会应用制造商Bumble正在进军生成式AI领域。在周三公司第四季度财报会议上,Bumble推出了一款名为"Bee"的新型AI助手,旨在成为个人红娘,通过私人聊天了解用户的"价值观、恋爱目标、沟通风格、生活方式和约会意图",然后利用这些见解帮助用户找到更匹配的对象。
Bumble创始人兼首席执行官Whitney Wolfe Herd告诉投资者,Bee目前正处于试点阶段,正在内部测试中,但即将进入测试版阶段。
通过Bee,公司设想能够获取更多关于Bumble用户的信息,因为它会更多地了解每个人的故事和他们真正想要的东西。这可能会让Bumble的应用与Tinder等其他应用区别开来,后者也刚刚进行了改版,因为约会应用市场在Z世代用户中表现疲软。
Bumble表示,用户将像与其他AI聊天机器人互动一样与Bee互动,通过打字和说话采用更对话式的风格。
最初,Bee将用于支持一种名为"Dates"的新约会体验,该体验使用AI推荐匹配对象,但Bumble表示,未来Bee将扩展到其他领域,如提供约会建议或请求前任匹配对象的匿名反馈。
在"Dates"功能中,Bee首先通过私人入门对话了解用户。然后识别出具有共同意图、价值观和恋爱目标的两个人。两个用户都会在应用中收到通知,并附有他们为何是绝配的描述。
这一新增功能是对约会应用进行更广泛的技术和AI重点改革的一部分,该应用迄今为止一直以更关注女性需求为营销重点。该公司开创了"女性先发消息"、禁止身体羞辱以及模糊不当露骨图像等功能。
现在,在约会市场中,年轻用户特别是Z世代对滑动操作感到厌倦的情况下,公司正寻求使用AI来恢复用户增长。
事实上,Herd表示Bumble将在特定市场试验取消长期流行的滑动机制,看看用户如何反应。Bumble不再将滑动作为二元"是"或"否"的优先选择,而是寻求利用其他功能,如新的"章节式"个人资料,会员可以在用户生活故事的不同部分相互连接。这将为Bumble提供更多数据,以输入其AI系统和算法。
Wolfe Herd说:"我们将推出更多动态方式,让人们对你的故事而不仅仅是你的个人资料表达兴趣,这将推动更多动态参与,激发更好的对话,并最终推动更好的关键绩效指标——如参与度和获得更好对话的机会。你还会看到我们采取更有针对性的方法让人们离线相遇,而不是停留在人们所说的死胡同聊天区域。"
公司还在寻找其他方式来更好地迎合Z世代,这个群体通常更喜欢群体社交而不是一对一约会来了解他人。
该公司多年来一直致力于在其应用中添加AI功能,推出了AI照片选择和反馈工具等变化,以及在安全等领域的应用。Wolfe Herd告诉投资者,随着应用融入AI,Bumble的后端基础设施已经进行了全面改革。
公司第四季度财报表现超出预期,收入为2.242亿美元,付费用户平均收入增长7.9%至22.20美元。该消息推动股价上涨约40%。
Q&A
Q1:Bee是什么?它有什么功能?
A:Bee是Bumble推出的AI约会助手,旨在成为个人红娘。它通过私人聊天了解用户的价值观、恋爱目标、沟通风格、生活方式和约会意图,然后利用这些见解帮助用户找到更匹配的对象。
Q2:Bumble为什么要开发AI约会助手?
A:约会应用市场在Z世代用户中表现疲软,年轻用户对传统的滑动操作感到厌倦。Bumble希望通过AI技术恢复用户增长,并与Tinder等其他约会应用形成差异化竞争。
Q3:Bee如何帮助用户找到更好的匹配?
A:Bee首先通过私人入门对话了解用户,然后识别出具有共同意图、价值观和恋爱目标的两个人。系统会通知两个用户并说明他们为何是绝配,未来还将提供约会建议和匿名反馈功能。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。