社交網(wǎng)絡(luò)Twitter今天公布了截至6月30日的2014財(cái)年第二季度年財(cái)報(bào)。報(bào)告顯示,Twitter第二季度營(yíng)收為3.12億美元,比去年同期的1.39億美元增長(zhǎng)124%,高于湯森路透分析師所預(yù)期的2.83億美元;凈虧損為1.45億美元,比去年同期的凈虧損4220萬(wàn)美元有所擴(kuò)大。不包括股價(jià)補(bǔ)償?shù)?,Twitter第二季度調(diào)整后每股收益為2美分,遠(yuǎn)好于分析師此前平均預(yù)期的每股虧損1美分。
Twitter首席執(zhí)行官迪克·科斯特洛(Dick Costolo)在分析師電話會(huì)議上表示,公司的消費(fèi)產(chǎn)品正開(kāi)始以他想要的方式發(fā)展,特別是在今年世界杯期間,更多用戶通過(guò)移動(dòng)設(shè)備參與了Twitter上的討論。“這給了我信心,我們可以圍繞主題和生活事件,通過(guò)組織內(nèi)容創(chuàng)建更好的用戶體驗(yàn)。”
Twitter財(cái)報(bào)顯示,截至2014年6月30日,Twitter月平均活躍用戶數(shù)量(MAUS)為2.71億人,較上年同期增長(zhǎng)24%;移動(dòng)業(yè)務(wù)月平均活躍用戶為2.11億人,較上年同期增長(zhǎng)29%,占據(jù)了總月平均活躍用戶數(shù)量的78%。
此外,用以衡量客戶光顧網(wǎng)站視圖頁(yè)面頻率的一個(gè)重要指標(biāo)——用戶時(shí)間軸(Timeline)流量為1730億次,較上年同期增長(zhǎng)了15%。分析師正在仔細(xì)研究這一數(shù)據(jù),因?yàn)樵趶V告商看來(lái),該數(shù)據(jù)能夠顯示Twitter用戶的活躍度。
周二美股收盤,Twitter股價(jià)上漲0.66美元,報(bào)收于38.59美元,漲幅為1.74%;但受樂(lè)觀財(cái)報(bào)驅(qū)動(dòng),Twitter股價(jià)在在盤后交易一度漲逾30%。
Twitter強(qiáng)勁發(fā)展的另一跡象是公司的全年業(yè)績(jī)預(yù)測(cè)。Twitter預(yù)計(jì),2014年公司全年?duì)I收將在13.1億美元到13.3億美元之間,較之前預(yù)期調(diào)高了10%。
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(kāi)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(kāi)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(wèn)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(jué)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(jué)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(jué)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。