當(dāng)?shù)貢r(shí)間周一,eBay首席執(zhí)行官和總裁約翰·多納霍(John Donahoe)在美股盤后發(fā)布的一份聲明中稱,公司旗下支付業(yè)務(wù)PayPal總裁大衛(wèi)·馬庫(kù)斯(David Marcus)將于6月27日離職,并將跳槽至Facebook,負(fù)責(zé)后者的即時(shí)通訊產(chǎn)品運(yùn)營(yíng)。
對(duì)于自2012年以來一直擔(dān)任這家支付巨頭總裁的馬庫(kù)斯來說,他將把自己在移動(dòng)領(lǐng)域積累的經(jīng)驗(yàn)帶到全球最大的社交網(wǎng)絡(luò)上。
多納霍在聲明中表示,“我們希望大衛(wèi)一切順利。他留下了一個(gè)強(qiáng)有力的領(lǐng)導(dǎo)團(tuán)隊(duì),這個(gè)團(tuán)隊(duì)致力于我們計(jì)劃無縫執(zhí)行、產(chǎn)品擴(kuò)展創(chuàng)新和推動(dòng)全球增長(zhǎng)。”
馬庫(kù)斯表示,自己離職PayPal,是在“適當(dāng)?shù)臅r(shí)間作出的一個(gè)轉(zhuǎn)變”,并稱在加盟Facebook后,自己將領(lǐng)導(dǎo)一個(gè)較小的團(tuán)隊(duì)。
Facebook在一份聲明中表示,即時(shí)通訊服務(wù)仍舊為Facebook的一個(gè)“核心部分”,因?yàn)楫?dāng)前這家社交網(wǎng)絡(luò)每天發(fā)出的短消息達(dá)到了120億條。Facebook稱,“我們的短消息服務(wù)持續(xù)潛在地獲得新體驗(yàn),對(duì)此我們感到無比興奮。我們將為Facebook社區(qū)和更多用戶提供更好服務(wù),大衛(wèi)將帶領(lǐng)相關(guān)團(tuán)隊(duì)實(shí)現(xiàn)這一愿景。”
目前尚不清楚馬庫(kù)斯加盟Facebook后將向誰(shuí)報(bào)告工作,同時(shí)不清楚其離職PayPal的職位空缺將由誰(shuí)來填補(bǔ)。
在盤后交易中,F(xiàn)acebook股價(jià)上揚(yáng)0.3%,而eBay股價(jià)下挫1.6%。預(yù)計(jì)eBay和Facebook將分別在7月16日和7月21日發(fā)布它們的第二季度財(cái)務(wù)報(bào)告。
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,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。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)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(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。