TikTok 和 Billboard 正在合作推出一份官方的 TikTok Billboard 热门歌曲榜单,来追踪和记录这款短视频应用上最受欢迎的歌曲,该公司今天宣布。
这个榜单将每周根据观看次数、用户参与度以及使用该歌曲制作的视频数量来评估平台上最热门的歌曲。榜单公布在TikTok应用和Billboard网站上,每周四更新。TikTok 和 Billboard 会通过这个榜单来记录美国的热门歌曲。
目前,Sexyy Red 的 “SkeeYee” 占据了榜单首位,Doja Cat 的 “Paint The Town Red” 和 Taylor Swift 的 “august” 分别位列第二和第三名。
这个新榜单凸显了该平台继续对音乐产业的影响,帮助许多新人成为网红,包括 Lil Nas X、Tai Verdes、Benee 和 Loren Gray 等。TikTok 还带动了一些经典歌曲的热度,如 Kate Bush 的 “Running Up That Hill”。
TikTok 的音乐业务全球负责人 Ole Obermann 在一份声明中表示:“该榜单清晰地展示了TikTok上被听到的音乐,从而开始在 DSP 和其他服务上成为趋势。”
Billboard 也追踪来自其他平台的歌曲,比如之前被称为 Twitter 的 X。这个榜单被称为热门趋势歌曲榜单,截止到目前,Olivia Rodrigo 用她的最新歌曲“ The Grudge”、“Pretty Isn’t Pretty” 和 “Logical”占据了前三名。Billboard早年间也曾为社交网站MySpace设置类似的榜单。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。