Meta CEO马克·扎克伯格宣布,现在你可以在Threads上关注联邦宇宙中的账号。Threads最初仅以非常有限的方式,让用户看到联邦宇宙用户的点赞和回复,但如今的情况也没有什么改变——联邦宇宙的帖子不会出现在你的信息流中,只有这些账户与Threads上的帖子互动后,你才能关注它们。
尽管联邦宇宙的帖子不会出现在信息流中,Instagram负责人亚当·莫塞里表示,它们的个人资料和帖子会出现在Threads上,并且你可以选择在它们发布内容时接收通知。至少这是一个进展,莫塞里发布了一个视频,展示了这一过程的具体操作:
扎克伯格表示,当你看到某个联邦宇宙账户“点赞、关注或回复”了某个联邦化的Threads个人资料时,你就可以关注该账户,但还有另一种方法可以找到这些账户。
“在网页端和安卓端(iOS很快会推出),我们将开始将联邦宇宙的用户名链接化,”Threads开发者彼得·科特尔在一系列关于新整合的帖子中写道。科特尔补充道,你的账户需要是联邦化的,并且联邦宇宙账户必须“符合被关注的条件”。
科特尔还展示了如何标记联邦宇宙账户,链接到《星际迷航》演员及活动家乔治·武井的Mastodon账户:

Meta的赛恩·金在一封邮件中称,该平台的“目标仍然是负责任地推动联邦宇宙的发展,优先考虑建立一个安全、多样、内容丰富且具备互操作性的社区。”金还补充道,这一变化是Threads计划逐步实现与联邦宇宙完全互操作的又一步。
值得注意的是,最近几周,Threads的新功能加速了发布进程,或许这与Bluesky最近获得的关注有关。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。