產業脈動 2026 年 5 月 28 日

2026-05-28 — Last.fm 獨立、伊朗網路 87 天後部分恢復、Meta SilverTorch Index-as-Model

primary=https://support.last.fm/t/last-fm-is-now-independent/118591 primary=https://blog.cloudflare.com/iran-internet-partially-restored-may-2026/ primary=https://engineering.fb.com/2026/05/26/ml-applications/silvertorch-index-as-model-new-retrieval-paradigm-recommendation-systems/

Last.fm 宣布獨立:結束 CBS/Paramount 母公司關係,專注聆聽洞察與社群功能

Last.fm Support Forum · 2026-05-28

Last.fm 於 2026 年 5 月 27 日宣布完成所有權轉移,正式脫離原母公司 CBS Interactive(後為 Paramount Global)的架構。Last.fm 自此作為獨立公司運營,官方宣示將「完全專注於為音樂愛好者建立聆聽洞察與社群功能」。

背景

Last.fm 在 2007 年以 2.8 億美元被 CBS Corporation 收購,成為媒體集團數位音樂策略的一部分。此後隨著 CBS 多次重組(合併為 ViacomCBS,再更名為 Paramount Global),Last.fm 在多次企業架構調整中始終是邊緣資產。本次獨立的具體財務條款與新股東結構未對外披露。

技術與服務延續性

官方明確聲明:使用者帳號與 scrobble 歷史、資料儲存與隱私設定、Pro 訂閱條款與計費、API 功能(供第三方開發者使用),以及現有開發團隊均維持不變。服務「繼續正常運作」,沒有任何系統遷移計劃公告。

社群期待

獨立公告在社群中引發正面反應,使用者積極呼籲恢復過去因資源限制而停止維護的功能,包括Last.fm Radio 串流服務(於 2014 年大多數市場關閉)與群組功能。這些請求揭示 Last.fm 在 CBS 旗下長期累積的功能停滯,也顯示出社群對獨立後開發節奏加快的期待。Last.fm 目前每月仍有數千萬 scrobble 事件,作為音樂收聽資料平台具有相當的資料護城河。

原始來源:Last.fm — Last.fm is now independent


Cloudflare Radar:伊朗網路歷經 87 天關閉後部分恢復,IPv6 仍近乎歸零

Cloudflare Blog · 2026-05-27

Cloudflare Radar 資料顯示,伊朗網路於 2026 年 2 月 28 日因軍事衝突升級而關閉,歷時約 87 天後,於 5 月 26 日 11:00 UTC 開始部分恢復,至報告撰寫時流量達到 2026 年高峰值的 40%。

流量恢復的技術細節

恢復初期出現明顯的流量爆衝:恢復後的即時流量是前一週水準的約 15 倍,反映被壓抑的連線需求集中釋放。地理分布極度集中:91.6% 的 HTTP 請求來自首都德黑蘭,顯示恢復集中在都會區骨幹網路,農村與偏遠地區可能仍受限制。四大 ISP(TCI、IranCell、RighTel、MCCI)均在流量統計中出現上升,DNS 查詢與 HTTP 流量同步增加。

IPv6 的技術發現

Cloudflare 觀察到一個技術上的重要現象:IPv4 地址空間的路由公告在整個封鎖期間保持相對穩定,而 IPv6 公告降至近乎為零。這個不對稱性表明伊朗的網路封鎖並非主要透過 BGP 路由撤回(route withdrawal)實現,而是採用應用層過濾或白名單機制——允許特定 IPv4 服務繼續運作,同時對 IPv6 實施更全面的封鎖。

關閉時間線

本次為 2026 年第二次大規模封鎖:第一次在 1 月 8 日,持續約三週後逐步恢復;第二次在 2 月 28 日,持續時間更長。兩次封鎖均與地區軍事局勢直接相關,Cloudflare Radar 的持續監測為外部觀察伊朗網路狀況提供了少數可靠的資料來源之一。

原始來源:Cloudflare Blog — Iran's Internet is partially restored


Meta SilverTorch:以 Index-as-Model 取代傳統 ANN 索引,重新定義大規模推薦系統的檢索正規

Meta Engineering Blog · 2026-05-26

Meta 工程博客發布 SilverTorch 技術文章,提出「Index as Model」新範式:將傳統的近似最近鄰(ANN)索引與神經模型合而為一,讓索引結構本身成為可訓練的模型,在規模化推薦系統中提升召回率與個人化能力。

傳統 ANN 索引的限制

傳統推薦系統的架構是:訓練一個 embedding 模型 → 用 ANN 索引(FAISS、ScaNN)做近似搜尋 → 後排序。ANN 索引是靜態的資料結構,不可訓練:它只能按距離搜尋,無法學習「哪些候選在給定上下文下真正有用」。隨著候選庫規模增長,ANN 的召回率上限與訓練信號之間的脫節愈發明顯。

SilverTorch 的 Index-as-Model 方法

SilverTorch 將索引設計為可在訓練目標下端對端優化的參數化結構,使檢索步驟與排序目標(點擊率、留存率等)直接耦合。索引的檢索行為可隨使用者行為信號持續更新,而不必等待 embedding 模型的全量重訓。Meta 在服務 billions 級使用者的推薦系統上部署此方法,報告顯示在相同計算預算下提升了候選召回品質。

原始來源:Meta Engineering — SilverTorch


End of article
0
Would love your thoughts, please comment.x
()
x