IMDb
PulseAugur coverage of IMDb — every cluster mentioning IMDb across labs, papers, and developer communities, ranked by signal.
9 天有情绪数据
-
《Outer Banks》第五季在系列大结局之际创下 IMDb 纪录
Netflix 的《Outer Banks》已迎来第五季暨最终季的完结，该季在 IMDb 上为该剧创下了破纪录的评分。特别是该季的大结局集获得了高分，其中第九集获得 9 分，第十集达到 9.1 分。尽管初期集数开局稍显平缓，但该季的评分逐渐攀升，最终获得了粉丝的热烈反响。一部背景设定在 20 年前的衍生前传剧集《Kildare》也正在开发中。
-
Netflix 的《我的辉煌事业》获得烂番茄完美评分
Netflix 的新澳大利亚迷你剧《我的辉煌事业》获得了评论界的赞誉，在烂番茄上获得了完美的 100% 分数。该剧改编自迈尔斯·富兰克林 1901 年的小说，讲述了一位农家女孩的写作事业梦想以及她对独立的追求。主演菲利帕·东北特因其表演而广受赞誉，评论家们称赞她对固执己见的 the protagonist 的刻画。
-
DCU剧集《提灯者》烂番茄评分达95%，为评分最高的真人剧集
全新的DCU剧集《提灯者》获得了强烈的评论，在首播后其烂番茄评分飙升至95%，与《企鹅人》并列成为评分最高的DC真人剧集。该剧由凯尔·钱德勒饰演哈尔·乔丹，亚伦·皮埃尔饰演约翰·斯图尔特，是一部旨在重振DC宇宙的悬疑破案剧，此前《女超人》表现不佳。尽管观众评分略低，为89%，但该剧在IMDb上也获得了8.6/10的高分。
-
AI对学生好奇心和学习的影响与1982年《电子世界争霸战》的引言相呼应
一位教授反思AI工具如何阻碍学生发展，并将这种情况与1982年电影《电子世界争霸战》中的一段引言相提并论，该引言称计算机开始思考而人们停止思考。教授指出，学生正在失去发现有趣事物和培养好奇心的能力，认为AI正在导致一种可能无法逆转的“大脑腐烂”。学生们在以前可以轻松完成的基本作业中遇到的困难就证明了这一点。
-
IMDb情感分析教程结合了经典机器学习与DistilBERT LoRA
一个新教程详细介绍了使用斯坦福NLP IMDb数据集构建一个全面的情感分析工作流。它将传统的TF-IDF和逻辑回归基线与利用LoRA和PEFT的微调DistilBERT模型进行了比较。该教程还涵盖了诸如模型校准、通过显著性映射进行可解释性以及在未标记数据上通过伪标签进行半监督学习等高级技术。
-
新方法 Joint Affine Spectral Shaping 改进神经网络优化
研究人员开发了一种名为 Joint Affine Spectral Shaping (JASS) 的新方法，该方法改进了现有的神经网络谱优化器。与之前分别处理权重和偏置更新的方法不同，JASS 将谱整形应用于组合的仿射层矩阵。在为 IMDb 情感分析训练的 BERT-mini 模型上进行的实验表明，与仅权重谱整形和标准 Adam 优化相比，JASS 始终提高了测试准确率并降低了损失。
-
《Spider-Man: Brand New Day》创IMDb纪录，但影评评分落后于观众口碑
《Spider-Man: Brand New Day》在真人版蜘蛛侠电影中创下了IMDb用户评分8.2/10的纪录，超越了包括《Spider-Man: No Way Home》在内的前作。然而，该片在烂番茄上的影评反响则呈现出另一番景象，其评分跌破90%，未能进入影评评分漫威电影前十名。这与其在烂番茄上高达98%的观众评分（与《Shang-Chi: The Legend of the Ten Rings》并列最高）以及巨大的票房成功形…
-
备受赞誉的犯罪剧《汉尼拔》已加入 Netflix
备受赞誉的犯罪剧《汉尼拔》（Hannibal）现已加入 Netflix，由麦斯·米科尔森饰演汉尼拔·莱克特，休·丹西饰演威尔·格拉汉姆。该剧最初于 2012 年至 2015 年在 NBC 播出三季，以其令人不安的暴力和艺术指导而闻名。尽管该剧很受欢迎，并在 IMDb 和烂番茄上获得了高评分，但它在能够改编《沉默的羔羊》之前就被取消了，粉丝们仍对其复活抱有希望。
-
Transformer优化新见解：识别出隐藏边界运动
研究人员在Transformer优化中识别出一种称为“隐藏边界运动”的现象，其中权重和偏差更新对于具有非零均值输入的仿射层在函数上是无法区分的。这种运动主要通过权重矩阵更新而非显式偏差更新来实现，对优化有显著影响。开发了一种名为SBO-AdamW的新型优化器来解决这个问题，在IMDb数据集的验证准确率上有所提高，但仍需要进一步工作才能实现稳定、通用的解决方案。
-
克里斯托弗·诺兰凭借九部电影创下 IMDb Top 250 纪录
电影《奥德赛》在 IMDb Top 250 榜单上以第 59 位的成绩首次亮相，取得了重要的里程碑。这一成就意味着导演克里斯托弗·诺兰以九部作品的成绩，创下了榜单上拥有最多电影的纪录。诺兰的七部电影位列前 100 名，凸显了他持续的评论界和观众吸引力。
-
人工智能知识系统获得双信号重要性框架
研究人员提出了一个新的人工智能知识系统框架，该框架区分了两种实体重要性：受众评估和结构权威。这种双信号方法旨在提供比单一评分方法更细致的理解，因为单一评分方法可能会掩盖重要的差异。该研究使用来自 IMDb、Wikidata 和 Wikipedia 的电影实体，发现这两种信号之间的相关性很弱，表明它们是非冗余的，并且应为面向任务的人工智能应用程序单独保留。
-
Netflix 新韩剧《东宫》烂番茄评分获 100%
Netflix 推出了新的韩剧《东宫》，该剧在烂番茄上获得了完美的 100% 评分，赢得了评论界的一致好评。该剧在烂番茄上还获得了 90% 的观众评分，并在 IMDb 上获得了高分。剧情讲述了两位主角在国王的宫殿中调查超自然之谜和黑暗秘密的故事。这部由南柱赫和卢允瑞主演的 8 集限定剧是原创制作，背景设定在朝鲜时代，并迅速攀升至 Netflix 排行榜第 10 位。
-
《奥德赛》的烂番茄观众评分创纪录，已成定局
电影《奥德赛》在烂番茄上获得了创纪录的97%观众评分，超过了其他2026年上映的影片以及克里斯托弗·诺兰此前的导演作品。尽管网上有一些关于评分操纵的猜测，但烂番茄采用了一个验证系统，将Fandango的购票记录与评分关联起来，以防止恶意刷差评，这导致未经验证的评分仅为56%。该片在票房上也表现出色，目前全球票房已达2.63亿美元，并有潜力突破10亿美元大关。
-
Amazon Prime Video推出两部备受好评的新剧
名为“Ride or Die”和“Murder 101”的两部新剧已在Amazon Prime Video上线，均获得高度评价。“Ride or Die”是一部由Hannah Waddingham和Octavia Spencer主演的喜剧，在烂番茄上的评分高达95%，是目前Amazon上观看次数最多的剧集。“Murder 101”是一部关于高中社会学课堂调查的悬案的真实犯罪纪录片系列，烂番茄评分完美达到100%，在Amazon排行榜上也表现不俗。
-
新的Blackknife框架实现了对图神经网络的黑盒攻击
研究人员开发了Blackknife，一个旨在对异构图神经网络（HGNNs）执行黑盒对抗性攻击的新颖框架。这种攻击方法在严格的限制下运行，仅需要单跳邻域信息和少量硬标签查询，而无需访问受害者模型的架构、参数、梯度或完整图结构。Blackknife从可观察的邻域构建代理模型，使用连续软权重优化扰动，然后将这些扰动离散化为保留关系的结构重连操作。在ACM、DBLP和IMDB等基准数据集上的实验表明，即使面对基于拓扑的防御策略，Blackkn…
-
《龙之家族》第三季凭借创意热议创下IMDB评分新高
《龙之家族》第三季开局强劲，前两集在IMDB上取得了创纪录的高分。第二集尤其因其叙事回报和角色发展而受到赞扬，尽管在节奏和情节选择方面存在一些批评。本季的成功恰逢制作人Ryan Condal与George R.R. Martin之间据称的创作分歧，尽管“权力的游戏”宇宙中的两个系列目前表现良好。
-
《龙之家族》第三季首播创IMDb纪录
《龙之家族》第三季首播集“Salt and Sea, Fire and Blood”在IMDb上获得了创纪录的9.4/10评分。这一分数追平了第二季的另一集“The Red Dragon and the Gold”。该集描绘了一场大规模海战，并出现了一个重要角色的死亡，Jace Velaryon 被敌方船只杀死。
-
Apple TV+ 恐怖喜剧《Widow's Bay》第一季圆满收官，广受好评
Apple TV+ 剧集《Widow's Bay》已结束第一季的播出，获得了评论界和观众的赞誉。该剧由Kate Dippold创作，并经常由Hiro Murai执导，主演Matthew Rhys饰演一位市长，他要应对一个闹鬼的岛屿小镇。该剧在Rotten Tomatoes和IMDb上获得了高分，并且已经续订了第二季。
-
Netflix 电影《办公室恋情》获得褒贬不一的评价
Netflix 新推出的浪漫喜剧《办公室恋情》（Office Romance）由 Jennifer Lopez 和 Brett Goldstein 主演，获得了评论家和观众的褒贬不一的评价。该片由 Goldstein 编剧，目前在 Rotten Tomatoes 上的评论家评分和观众评分均为 51%，IMDb 评分为 6/10。评论家指出，该片基调不一致，在温馨和粗俗之间摇摆，并批评了其对话和幽默。
-
Chiaroscuro Attention 通过动态令牌路由优化 Transformer 计算
研究人员开发了 CHIAR-Former，这是一种新颖的 4 层 Transformer 模型，通过动态路由令牌来优化计算使用。CHIAR-Former 不会统一应用自注意力，而是分析令牌的频谱熵，将每个令牌导向三个算子之一：DCT 频谱混合、RBF 核混合或全自注意力。这种方法在大型自然语言文本上显著提高了性能，在 WikiText-103 上实现了 45% 的困惑度改进，同时注意力 FLOPs 比标准 Transformer 减少…