字节跳动已关闭LetsChat,这款曾被视为WhatsApp和Telegram在非洲竞争对手的应用程序。
根据官网上的一则通知,这家字节跳动在3月23日停止了LetsChat的服务。通知中写道:“已登录的用户将无法再次登录,所有奖励任务将停止,已完成的任务将以积分形式发放,请留意您钱包中的余额。” 声明还表示,LetsChat已于2月26日从各大应用商店下架。
Rest of World援引字节跳动一位发言人的邮件称,公司决定关闭LetsChat在尼日利亚的运营,以专注于其他优先事项。发言人说:“在仔细考虑和评估我们的战略业务目标后,我们做出了这一决定。我们感谢LetsChat作为许多个人和企业的重要通信工具,并感谢我们有机会为尼日利亚的用户服务。”
这一决定,是字节跳动花了三年时间试图让LetsChat在非洲取得成功之后做出的。公司通过雇用当地团队并投资推广来让这款应用程序获得更高知名度。但专家认为,这款应用几乎没有机会成功,因为WhatsApp在非洲的受欢迎程度几乎无与伦比。
尼日利亚科技分析师Benjamin Dada表示:“Facebook和WhatsApp是尼日利亚、非洲最大市场中使用最多的一些平台。像Meta这样的巨头多年前就已经为这一市场量身定制了解决方案……例如Facebook Lite,谷歌也有YouTube Go等。因此,如果这是消费者在这些市场中已经使用的默认选项,那么您的‘低数据’解决方案能有多大的优势呢?”
字节跳动在2021年3月推出了LetsChat,旨在为年轻的非洲用户提供一个节省数据的消息平台。除了短信,用户还可以免费进行语音和视频通话,并且可以玩应用内的游戏。一位前员工向Rest of World表示,字节跳动雇佣了几位尼日利亚的全职和短期合同工来帮助推出LetsChat,但因保密协议要求匿名。
字节跳动还邀请了像Adebowale Adedayo、Chukwuebuka Amuzie和Chinonso Egemba这样的非洲知名社交媒体影响者来推广该应用。
2022年,LetsChat的团队前往尼日利亚的学校向学生宣传该应用。字节跳动在学校组织了一系列活动并发放了现金奖励。它还启动了一个校园大使计划,允许学生与公司密切合作,并赢取更多现金奖励。
据市场情报公司Sensor Tower称,到2023年6月,LetsChat在Google Play商店的下载量已超过500万次。到该应用关闭时,其下载量已接近700万次,其中82%来自尼日利亚。该应用在马里、安哥拉和科特迪瓦也有大量用户。
据Sensor Tower称,LetsChat的月均用户在2021年12月达到了约44万的峰值。Sensor Tower的研究与洞察副总裁Seema Shah表示,由于该应用在“炒作推动的启动”后难以维持消费者的兴趣,2022年的下载量同比下降了30%。
即使在2023年下载量上升,LetsChat也难以保持用户参与度。
根据研究公司SimilarWeb的数据,在过去四个月中,该应用的月均用户数持续下降。2023年12月至2024年2月期间,月用户数下降了约33.4%——从125150下降到83412。
Shah表示,截至2月,WhatsApp在尼日利亚的月活跃用户数量是LetsChat的500倍。她说:“WhatsApp从其在Apple的App Store和Google的Play Store上超过十年的长期存在中受益。”
LetsChat不是唯一一个试图挑战WhatsApp在非洲主导地位的低数据消息应用。在南非,一款名为Moya的应用提供免数据消息服务。但Dada认为这还不够。
Dada说:“要击败现有企业,你需要锁定分销——Facebook和谷歌都与原始设备制造商OEM建立了强大的合作伙伴关系,以便他们的手机预装其应用。由于字节跳动是来自亚太地区的公司,该地区有领先的OEM传音,人们本会期望他们能够相当轻松地建立这样的合作伙伴关系。”
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。