據(jù)報(bào)道,美國(guó)第三大移動(dòng)運(yùn)營(yíng)商Sprint即將與美國(guó)第四大運(yùn)營(yíng)商T-Mobile達(dá)成最終收購(gòu)協(xié)議,前者或?qū)⒁约s500億美元的價(jià)格收購(gòu)后者。
據(jù)《華爾街日?qǐng)?bào)》報(bào)道,Sprint將以每股40美元的價(jià)格支付給T-Mobile公司的股東,而T-Mobile在當(dāng)?shù)貢r(shí)間本周二的股價(jià)報(bào)收于34.28美元。繼美國(guó)電話電報(bào)公司(AT&T)宣布計(jì)劃收購(gòu)美國(guó)直播電視公司(DirecTV)后不久,Sprint收購(gòu)T-Mobile的消息也隨之到來(lái)。
如果這兩家公司合并成功,那么合并后的Sprint和T-Mobile將創(chuàng)建出美國(guó)第三大無(wú)線運(yùn)營(yíng)商,成為Verizon和AT&T的一個(gè)強(qiáng)大競(jìng)爭(zhēng)對(duì)手,而美國(guó)監(jiān)管機(jī)構(gòu)對(duì)此的審查也將非常嚴(yán)格。目前的問題是,本次合并將會(huì)除去T-Mobile,而該公司在計(jì)劃方面一直很激進(jìn),并為規(guī)模較大的Sprint帶來(lái)了一些令其棘手的問題。因此T-Mobile很可能成為Sprint公司未來(lái)最大的威脅。
關(guān)于兩家公司合并的風(fēng)險(xiǎn)和收益分解如下:
•益處:Sprint和T-Mobile規(guī)模將更大,將有助于提高其覆蓋率以及與AT&T和Verizon的競(jìng)爭(zhēng)力。
•風(fēng)險(xiǎn):消費(fèi)者將會(huì)失去一個(gè)可選擇的電信運(yùn)營(yíng)商。
•益處:Sprint和T-Mobile將能夠獲得更多的頻譜資源。
•風(fēng)險(xiǎn):Sprint和T-Mobile有著不同的通信網(wǎng)絡(luò),而且在涉及LTE、GSM和CDMA網(wǎng)絡(luò)及一小部分WiMax技術(shù)方面的工作時(shí),其運(yùn)作和時(shí)間安排尚不清楚。
•風(fēng)險(xiǎn):監(jiān)管機(jī)構(gòu)可能不會(huì)批準(zhǔn)Sprint與T-Mobile的合并交易?!度A爾街日?qǐng)?bào)》指出,如果監(jiān)管機(jī)構(gòu)反對(duì)并打破了此次合并,那么Sprint將為此支付10億美元的費(fèi)用。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。