即刻App年轻人的同好社区
下载
多邻国是一款语言学习软件，在OpenAI推出ChatGPT之后没多久，他们就选择了和OpenAI，一起在AI+教育上发光发热，而目前，多邻国已然用AI实现了盈利，脱颖而出，创造了更大的市场！
🎯 利用游戏化的方式吸引用户并保持用户的学习兴趣，通过长时间的浸淫，逐渐学会某种语言，永远选择用户的参与度是多邻国的根本。
而多邻国目前也找到两个场景：
1⃣️视频沟通
多邻国采用动画制作+大模型问答的方式，将多邻国中的形象刻画出来，与用户进行对话
解决的核心痛点：大部分语言学习者不敢直接与用户对话，但直接对话效果是学语言最好的途径，视频沟通这个AI场景弥补了这一点。
2⃣️ 情景式对话Adventure
比如问路，在餐厅点餐，在商店购物等场景，在多邻国中扮演角色，移动并和各种NPC对话，推动剧情以完成某个章节
解决的核心痛点：用户学习语言之后大部分会去旅行/接触到一些生活化场景，而这些可以提前在多邻国Adventure中体验到，让用户避免尴尬、害羞等情况下，直接在场景中学习。
对于AI产品的设计，需要把握的核心点是，找到你业务的核心流程，并思考其中的那部分适合用AI，比如多邻国的答案是游戏化来促进用户参与，用AI赋能产生了更好的效果！
大家有没有用过多邻国的新功能呢，欢迎大家评论区留言讨论！
🎯 利用游戏化的方式吸引用户并保持用户的学习兴趣，通过长时间的浸淫，逐渐学会某种语言，永远选择用户的参与度是多邻国的根本。
而多邻国目前也找到两个场景：
1⃣️视频沟通
多邻国采用动画制作+大模型问答的方式，将多邻国中的形象刻画出来，与用户进行对话
解决的核心痛点：大部分语言学习者不敢直接与用户对话，但直接对话效果是学语言最好的途径，视频沟通这个AI场景弥补了这一点。
2⃣️ 情景式对话Adventure
比如问路，在餐厅点餐，在商店购物等场景，在多邻国中扮演角色，移动并和各种NPC对话，推动剧情以完成某个章节
解决的核心痛点：用户学习语言之后大部分会去旅行/接触到一些生活化场景，而这些可以提前在多邻国Adventure中体验到，让用户避免尴尬、害羞等情况下，直接在场景中学习。
对于AI产品的设计，需要把握的核心点是，找到你业务的核心流程，并思考其中的那部分适合用AI，比如多邻国的答案是游戏化来促进用户参与，用AI赋能产生了更好的效果！
大家有没有用过多邻国的新功能呢，欢迎大家评论区留言讨论！
0 01
1⃣️大模型SFT数据的有效选择方法，论文提出了在大规模数据集上进行数据选择时，随机选择几乎足够，解决了在大规模数据集上进行有效数据选择的问题。
2⃣️基于AI获取反馈学习，TPO提高模型在复杂任务中的表现，论文提出了一种训练方法，使得大型语言模型（LLMs）能够在回答问题前进行思考，解决了传统LLMs在复杂任务中缺乏推理和规划能力的问题。
3⃣️视觉版RAG，模型也可以利用视觉信息，论文提出了VisRAG模型，解决了传统文本检索增强生成（RAG）系统无法利用视觉信息如布局和图像的问题。
4⃣️α-DPO：实现更好的对齐效果，论文提出了α-DPO（α-Direct Preference Optimization）算法，解决了大型语言模型（LLMs）与人类价值观和意图对齐的挑战，特别是在计算效率和训练稳定性方面。
5⃣️VIF-RAG：增强指令跟随的RAG，论文提出了VIF-RAG，一个自动化、可扩展、可验证的合成数据管道，用于在检索增强型生成（RAG）系统中实现指令跟随（IF）对齐。
2⃣️基于AI获取反馈学习，TPO提高模型在复杂任务中的表现，论文提出了一种训练方法，使得大型语言模型（LLMs）能够在回答问题前进行思考，解决了传统LLMs在复杂任务中缺乏推理和规划能力的问题。
3⃣️视觉版RAG，模型也可以利用视觉信息，论文提出了VisRAG模型，解决了传统文本检索增强生成（RAG）系统无法利用视觉信息如布局和图像的问题。
4⃣️α-DPO：实现更好的对齐效果，论文提出了α-DPO（α-Direct Preference Optimization）算法，解决了大型语言模型（LLMs）与人类价值观和意图对齐的挑战，特别是在计算效率和训练稳定性方面。
5⃣️VIF-RAG：增强指令跟随的RAG，论文提出了VIF-RAG，一个自动化、可扩展、可验证的合成数据管道，用于在检索增强型生成（RAG）系统中实现指令跟随（IF）对齐。
0 00
【2024】1013-1019资本最看好🔥的AI初创公司
1⃣️Path Robotics，2014年成立于美国哥伦布，主营业务为AI自主机器人焊接系统，本次获得融资10亿美元。
2⃣️X-Energy，2009年成立于美国马里兰州罗克维尔，主营业务为设计小型模块化反应堆，本次获得C+融资5亿美元。
3⃣️Lightmatter，2017年成立于美国波士顿，主营业务为光子处理器加速AI计算，本次获得D轮融资4亿美元。
4⃣️Terray Therapeutics，2018年成立于美国洛杉矶，主营业务为发现新的小分子药物，本次获得B轮融资1.2亿美元。
5⃣️Decagon，2023年成立于美国旧金山，主营业务为生成式AI处理复杂客户互动，本次获得B轮融资6500万美元。
6⃣️Galileo，2021年成立于美国旧金山，主营业务为AI模型性能分析平台，本次获得B轮融资4500万美元。
7⃣️Neuron7，2021年成立于美国加州，主营业务为AI客户服务，本次获得B轮融资4400万美元。
8⃣️Xscape Photonics，2022年成立于美国加利福尼亚州圣克拉，主营业务为光子芯片提升数据传输速度，本次获得A轮融资4400万美元。
9⃣️Azra Games，2022年成立于美国萨克拉门托，主营业务为区块链沉浸式角色扮演游戏，本次获得A轮融资4270万美元。
🔟星动纪元，2023年成立于中国，主营业务为具身智能及通用人形机器人研发商，本次获得pre-A融资4110万美元。
1⃣️Path Robotics，2014年成立于美国哥伦布，主营业务为AI自主机器人焊接系统，本次获得融资10亿美元。
2⃣️X-Energy，2009年成立于美国马里兰州罗克维尔，主营业务为设计小型模块化反应堆，本次获得C+融资5亿美元。
3⃣️Lightmatter，2017年成立于美国波士顿，主营业务为光子处理器加速AI计算，本次获得D轮融资4亿美元。
4⃣️Terray Therapeutics，2018年成立于美国洛杉矶，主营业务为发现新的小分子药物，本次获得B轮融资1.2亿美元。
5⃣️Decagon，2023年成立于美国旧金山，主营业务为生成式AI处理复杂客户互动，本次获得B轮融资6500万美元。
6⃣️Galileo，2021年成立于美国旧金山，主营业务为AI模型性能分析平台，本次获得B轮融资4500万美元。
7⃣️Neuron7，2021年成立于美国加州，主营业务为AI客户服务，本次获得B轮融资4400万美元。
8⃣️Xscape Photonics，2022年成立于美国加利福尼亚州圣克拉，主营业务为光子芯片提升数据传输速度，本次获得A轮融资4400万美元。
9⃣️Azra Games，2022年成立于美国萨克拉门托，主营业务为区块链沉浸式角色扮演游戏，本次获得A轮融资4270万美元。
🔟星动纪元，2023年成立于中国，主营业务为具身智能及通用人形机器人研发商，本次获得pre-A融资4110万美元。
2 00
多邻国是一款语言学习软件，在OpenAI推出ChatGPT之后没多久，他们就选择了和OpenAI，一起在AI+教育上发光发热，而目前，多邻国已然用AI实现了营利。
利用游戏化的方式吸引用户并保持用户的学习兴趣，通过长时间的浸淫，逐渐学会某种语言，永远选择用户的参与度是多邻国的根本。
1⃣️视频沟通
多邻国采用动画制作+大模型问答的方式，将多邻国中的形象刻画出来，与用户进行对话
解决的核心痛点：大部分语言学习者不敢直接与用户对话，但直接对话效果是学语言最好的途径，视频沟通这个AI场景弥补了这一点。
动画制作由多邻国收购的动画团队制作，大模型的问答则主要有两方面
1.动画人物可以适应你的水平进行对话，具体来说，应该是根据平时使用多邻国的正确和错误词语，然后用prompt告诉大模型，只使用用户会的词语进行对话
2.有长期记忆功能，可以存储之前的对话历史，记住你上次和动画人物交流过的话。
有一些有意思的小细节，比如多邻国中的紫色头发“拽姐”Lily，她看起来对你非常不屑，并且说话的时候口型可以对上，当你回答错时，有时候还会对你翻白眼。
2⃣️ 情景式对话Adventure
比如问路，在餐厅点餐，在商店购物等场景，在多邻国中扮演角色，移动并和各种NPC对话，推动剧情以完成某个章节
解决的核心痛点：用户学习语言之后大部分会去旅行/接触到一些生活化场景，而这些可以提前在多邻国Adventure中体验到，让用户避免尴尬、害羞等情况下，直接在场景中学习。
利用游戏化的方式吸引用户并保持用户的学习兴趣，通过长时间的浸淫，逐渐学会某种语言，永远选择用户的参与度是多邻国的根本。
1⃣️视频沟通
多邻国采用动画制作+大模型问答的方式，将多邻国中的形象刻画出来，与用户进行对话
解决的核心痛点：大部分语言学习者不敢直接与用户对话，但直接对话效果是学语言最好的途径，视频沟通这个AI场景弥补了这一点。
动画制作由多邻国收购的动画团队制作，大模型的问答则主要有两方面
1.动画人物可以适应你的水平进行对话，具体来说，应该是根据平时使用多邻国的正确和错误词语，然后用prompt告诉大模型，只使用用户会的词语进行对话
2.有长期记忆功能，可以存储之前的对话历史，记住你上次和动画人物交流过的话。
有一些有意思的小细节，比如多邻国中的紫色头发“拽姐”Lily，她看起来对你非常不屑，并且说话的时候口型可以对上，当你回答错时，有时候还会对你翻白眼。
2⃣️ 情景式对话Adventure
比如问路，在餐厅点餐，在商店购物等场景，在多邻国中扮演角色，移动并和各种NPC对话，推动剧情以完成某个章节
解决的核心痛点：用户学习语言之后大部分会去旅行/接触到一些生活化场景，而这些可以提前在多邻国Adventure中体验到，让用户避免尴尬、害羞等情况下，直接在场景中学习。
0 01
1⃣️从目前最普遍的AGI标准（像人一样，理解用户，陪伴用户）的角度来说，GPT-4o肯定是更适合的方向
2⃣️AI应用不能和某个模型耦合过深，要有随时可以适配模型的能力
3⃣️对于创业来说，活下去才是最重要的，所以考虑如何商业化更重要，沿途下蛋很大概率就只能烧钱
4⃣️AGI很牛逼，但实际场景的落地，比大多数人想象得要难
5⃣️不同于杀时间和省时间，加时间是王小川的独立赛道，除了提升时间的数量，时间的质量可能会是加时间之后的发力方向
最后希望医疗领域的AI能更进一步！
欢迎大家评论区交流！
2⃣️AI应用不能和某个模型耦合过深，要有随时可以适配模型的能力
3⃣️对于创业来说，活下去才是最重要的，所以考虑如何商业化更重要，沿途下蛋很大概率就只能烧钱
4⃣️AGI很牛逼，但实际场景的落地，比大多数人想象得要难
5⃣️不同于杀时间和省时间，加时间是王小川的独立赛道，除了提升时间的数量，时间的质量可能会是加时间之后的发力方向
最后希望医疗领域的AI能更进一步！
欢迎大家评论区交流！
1 00
个人的几点思考：
1.技术普惠是绝对正确的方向，同时也是未来能爆发平台级应用的前提
2.短期内个人不认为视频比文本更好商业化落地
3.AIGC会使人从原本的被动接受信息变成了双向交流信息，这种交互形式的改变，往往会带来新的机会，比如原来的PGC转向UGC，只是生产者角色变化了，但带来的效应和用户参与却形成了新的用户生态，AIGC有可能也会如此。
最近可以在小红书观看AGI playground大会，看看大咖们对AGI的理解！
1.技术普惠是绝对正确的方向，同时也是未来能爆发平台级应用的前提
2.短期内个人不认为视频比文本更好商业化落地
3.AIGC会使人从原本的被动接受信息变成了双向交流信息，这种交互形式的改变，往往会带来新的机会，比如原来的PGC转向UGC，只是生产者角色变化了，但带来的效应和用户参与却形成了新的用户生态，AIGC有可能也会如此。
最近可以在小红书观看AGI playground大会，看看大咖们对AGI的理解！
1 00
市面上绝大部分的AI产品经理课程/文章都教你如何懂算法、懂技术，但AI产品经理本质上是为业务服务的，需要了解算法、技术，但不能本末倒置。
“如何用算法能力在业务侧场景落地”——才是AI产品经理的核心竞争力。
“如何用算法能力在业务侧场景落地”——才是AI产品经理的核心竞争力。
1 00
