Tumblr即将增加对ActivityPub的支持。ActivityPub是一种开放的去中心化社交网络协议,如今正在为 Mastodon、Pixelfed 和 PeerTube 等社交平台提供支持,Mastodon 被认为是 Twitter 的替代品,Pixelfed 则类似于 Instagram,PeerTube 则是一个以视频内容为主的站点。
之前曾有Twitter用户抱怨Mastodon过于复杂,已经在 2019 年从Verizon收购了Tumblr的Automattic 公司 CEO Matt Mullenweg 建议用户「不妨来试试Tumblr」,并强调该网站将很快「在互连中引入ActivityPub。」
他表示,「不要紧张」,Tumblr首先要做的,是先接收因摆脱Twitter而涌入的新用户浪潮,但对于「Interop和ActivityPub」的支持将「尽快」到来。
简而言之,此次公布的消息意味着Tumblr将由小众博客平台转变为更大的、去中心化社交网络的组成部分。而此举当然就是要接纳因平台落入马斯克手中,而大量逃离Twitter的用户群体。
@seldo:「下次有人说『你完全可以运行自己的实例』时,我肯定直接会朝他们脸上吐口水。我都试了7个小时了,还是没能在服务器上安装Mastodon。」
@photomatt:「欢迎来Tumblr,我们将在互连中引入ActivityPub。不要紧张。」
@jdp23:「真的吗?拜托拜托拜托。这是官方消息吗?」
@photomatt:「我们目前主要在应对新用户浪潮,并保持平台扩展,但对Interop和ActivityPub的支持将尽快到来。」
根据网站的解释,ActivityPub协议提供一个用于创建、更新和删除内容的客户端到服务器API,外加一个用于传递通知和订阅内容的联邦服务器到服务器API。在实践当中,Mastodon用户也可以在其他实例(即独立运行的节点)及社交应用程序(例如PeerTube)上与其他支持ActivityPub的应用用户开展交互。这就相当于为社交网站之间建立起一个新的网络,用户能够在其中找到彼此、关注彼此,而无需在每个服务平台上单独注册新账户。
这跟目前「围墙花园」式的社交媒体恰好相反,当下媒体平台上的帖子根本不对其他平台的用户开放,除非单独在其他平台上再次发布内容、或者通过共享链接在其他平台上引用。
如果Tumblr也将引入ActivityPub支持,那就意味着Mastodon上的用户可以通过自己的Mastodon实例关注Tumblr用户,且全程无需使用Tumblr应用。它还可以为Tumblr用户提供所谓「联邦宇宙」(fediverse)入口点,直接绕过复杂的Mastodon首次注册流程。
据data.ai本月早些时候报道,Tumblr已经从Twitter「难民潮」中受益,其美国应用安装量在收购前后一周实现了7%的总体增长。Tumblr的全球下载量在收购前12天时为17万次,随后则激增77%来到301000次。
Mullenweg随后透露了Tumblr内部统计的指标,指出在马斯克接掌Twitter的一周之后,Tumblr的iOS版应用下载量增长了62%。
但早在马斯克掌舵Twitter之前,Mullenweg就一直在思考Tumblr未来要如何更好地与Twitter开展竞争。
他在今年早些时候提到,「我只是想提供一个开放的替代方案,允许用户自主选择算法……我们正努力让Tumblr成为艺术创作的空间。在这里,大家不会越逛越气,而是越逛越开心。」
最近,Mullenweg还一直在努力招募前Twitter员工加入Automattic,甚至为此建立了专门的网站。
@photomatt:「我有点忙晕了。如果我没及时回消息,这里我深表歉意。但我们已经给来自Twitter的朋友们建立了专门的招聘页面。」
@photomatt:「我认为Tumblr最需要的,就是来自Twitter的时间线、排名和自助广告系统团队成员。」
可以看到,Automattic公司在使用ActivityPub方面已经有了一定的经验。
除了Tumblr之外,Automattic还运营着博客服务WordPress.com,并为开源WordPress博客软件平台做贡献。该软件日前也为自托管WordPress网站提供了ActivityPub插件,使得博客读者能够关注Mastodon和其他联邦式社交平台上的帖子。在引入ActivityPub支持之后,Tumblr也将加入这个大家庭。
Mullenweg并没有提到要如何「尽快」支持此功能,也没有公布具体的预期时间。Tumblr也表示暂时无法回应置评请求。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。