Pownce 发布新功能【附邀请】

Pownce近期推出了包括增强事件提醒、内嵌多媒体显示等新功能,但中文支持缺失和封闭的API限制了其发展。尽管有KevinRose的支持,Pownce仍需面对来自Twitter等竞品的压力。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

2007-09-03

今日重复概率最高的新闻,恐怕就是 Pownce 推出新功能的消息了(1,2,3)。根据其官方 Blog 公布的的情况,我们大致可以将新功能归结为四类:

  • 增强的事件提醒:可以提示你将要发生的事件(邮件);
  • 内嵌图像和视频:可将 Zooomr 的图片或 YouTube、MetaCafe 的视频直接显示在 Pownce Web 中;
  • 增强的 Profile:你可以把 last.fm、facebook、myspace 甚至 Twitter 的 Profile 都塞进 Pownce;
  • 更多自定义界面功能。

但是,如此多的新功能还是激发不起我使用它的兴趣。首先,Pownce 还是不支持中文,实在让人非常失望;其次,这些新功能很多无法直接在它的客户端上使用;再次,Twitter + 三方应用们早都实现了,没什么新鲜的。

Kevin Rose 最近有些奇怪。在这个广泛做减法致富的 Web 2.0 时代,他却不断给自己的“玩具”们武装强大的功能。Digg 今年改了好几次版,功能越来越多。今天,新玩具 Pownce 也没能“幸免”。

如果说 Digg 新增的功能还算比较实用的话(主要是增强评论功能),Pownce 新增这些功能在我看来就不怎么样了,或者说是不必要的。作为克隆 Twitter 的服务,Pownce 其实还是有自己的特点的,文件分享和事件提醒都是很不错的功能。但是 Pownce 相对于 Twitter 却有不少致命缺点:不支持中文没有开放的 API.特别是后者,是制约 Pownce 发展的严重缺陷。凭借 Digg 的人气,Pownce 想“火”起来其实并不是什么难事。但没有开放的 API,Pownce 就像一个光杆司令,纵然再强大,也敌不过三方应用丰富的可以组团的 Twitter 吧。

也许 Kevin Rose 通过 Digg 的成功看到了 PV 的价值,但是 Pownce 这样的服务,价值根本不在 PV。用 PV 来评价 Web 2.0 服务的优劣已经非常不合适了,而像 Twitter、Pownce 这样的服务,努力把自己的 PV 做低,用户才会真正感觉到方便。希望 Pownce 7 月开放 API 不是一句谣传。

btw: 本人有邀请 6 个,需要的请留言排队。


istef&itemLink=http%3A%2F%2Fblog.istef.info%2F2007%2F09%2F04%2Fpownce-new-feathures%2F&itemDate=2007-09-04+00%3A14%3A50&itemTitle=Pownce+%E5%8F%91%E5%B8%83%E6%96%B0%E5%8A%9F%E8%83%BD%E3%80%90%E9%99%84%E9%82%80%E8%AF%B7%E3%80%91

istef?i=T9UiH5

istef?i=lVDorCUR istef?i=033ZGbkv istef?i=ymQgYkjT istef?i=fY9sJYXd istef?i=U4na0PAl istef?i=AKPPOBdO istef?i=uCPYSWSA
151686813
内容概要:本书《Deep Reinforcement Learning with Guaranteed Performance》探讨了基于李雅普诺夫方法的深度强化学习及其在非线性系统最优控制中的应用。书中提出了一种近似最优自适应控制方法,结合泰勒展开、神经网络、估计器设计及滑模控制思想,解决了不同场景下的跟踪控制问题。该方法不仅保证了性能指标的渐近收敛,还确保了跟踪误差的渐近收敛至零。此外,书中还涉及了执行器饱和、冗余解析等问题,并提出了新的冗余解析方法,验证了所提方法的有效性和优越性。 适合人群:研究生及以上学历的研究人员,特别是从事自适应/最优控制、机器人学和动态神经网络领域的学术界和工业界研究人员。 使用场景及目标:①研究非线性系统的最优控制问题,特别是在存在输入约束和系统动力学的情况下;②解决带有参数不确定性的线性和非线性系统的跟踪控制问题;③探索基于李雅普诺夫方法的深度强化学习在非线性系统控制中的应用;④设计和验证针对冗余机械臂的新型冗余解析方法。 其他说明:本书分为七章,每章内容相对独立,便于读者理解。书中不仅提供了理论分析,还通过实际应用(如欠驱动船舶、冗余机械臂)验证了所提方法的有效性。此外,作者鼓励读者通过仿真和实验进一步验证书中提出的理论和技术。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值