TikTok是字节跳动旗下短视频平台抖音的海外版本,但它还在海外推出了一款类似小红书的产品——Lemon8,这款应用也被海外市场视为Pinterest与Instagram的结合体。根据Appfigures的最新数据,Lemon8自今年早些时候在美国上线以来,累计获得下载量大约只有260万。尽管有一大批TikTok创作者在他们的账号中大力推广Lemon8,但下载量依然很低。此前有消息称,美国可能会禁止TikTok。
这个时间点似乎并非巧合。如果TikTok失去美国市场,字节跳动视Lemon8为潜在的备选方案,并利用TikTok庞大的用户群来助推其成长。在今年第一季度,许多在TikTok上大力推广的网红开始大量发布关于Lemon8的内容,称其为“可爱”和“审美愉悦”的生活社区,并将其比喻为Pinterest和Instagram的结合体。
从2020年在日本上线以来,这款应用正逐步扩大它的市场覆盖,在东南亚市场如泰国和印尼也受到欢迎。Lemon8在2020年4月之前都没能获得太多关注,当时的安装量从每月不到1000增加到13000。Appfigures数据显示,到2021年7月,该应用的月下载量首次达到292000的历史高点。2022年,它在7月再次达到高峰,有150万的下载量,全年下载量达到1060万。
今年,Lemon8在美国和英国悄然上线,字节跳动通过创作者营销来增加其知名度。Insider在2月份报道称,为了吸引美国用户,字节跳动向创作者提供回报。接下来的一个月,创作者们开始在TikTok上发布有关视频。在3月底,TikTok上24小时内就出现了350多个与“Lemon8”相关的视频,其中大部分是正面评价。一些创作者甚至直接表示他们下载这个应用,是为了防TikTok被禁。
尽管视频看起来像是按照某种脚本制作的,但我们当时看到的视频都没有标记为赞助内容。这有助于凸显出Lemon8是通过口碑推荐自然增长的应用。
尽管从2024年1月开始,TikTok将在多个政府机构、一些大学和蒙大拿州被禁,但TikTok在美国境内并没有被禁止。而且,即便TikTok在某一时刻被禁或被迫出售,Lemon8也不太可能成为一个它替代品。
在美国的下载量中,iOS占了250万,在美国App Store的生活方式类别中,该应用排名第二。但在总榜上,它的排名在上下浮动。在数据收集时,它在总榜上排名第90。现在,它在美国顶级应用榜上排名第70。尽管它的排名还算不错,但对于一个可能替代TikTok的应用来说,总的安装量还是偏低。
2023年9月,Lemon8在美国的下载量达到了巅峰,为525000。但下载量并不等同于活跃用户数,因此Lemon8的使用率可能还要比这个数字更低一些。相比之下,TikTok在2023年3月的美国月活跃用户超过1.5亿。
当然,字节跳动仍有可能再次利用TikTok来提高Lemon8在美国的知名度。例如,Watchful.ai几个月前发现,TikTok正在开发一个功能,允许用户将他们在Lemon8上的帖子同步到TikTok,然后使用TikTok的编辑器添加声音和音乐。
对此消息,TikTok并未作出回应。根据市场情报公司data.ai的数据,当时,Lemon8的全球下载量大约为2500万。
目前,Lemon8下载量最大的市场是日本(760万)、泰国(650万)和美国(260万)。
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。