周四,亞馬遜發(fā)布了截至9月30日的2014年第三季度財(cái)報(bào)。財(cái)報(bào)顯示,亞馬遜第三季度凈營(yíng)收達(dá)到205.8億美元,較上年同期增長(zhǎng)20%;凈虧損為4.37億美元,每股攤薄虧損為95美分,不及上年同期的凈虧損4100萬(wàn)美元。
華爾街分析師預(yù)計(jì)亞馬遜第三季度營(yíng)收為208.4億美元,每股攤薄虧損為76美分。由于業(yè)績(jī)不達(dá)預(yù)期,美股盤(pán)后市場(chǎng),亞馬遜股價(jià)大幅下挫,跌幅逾10%。
與此同時(shí),亞馬遜第四季度的業(yè)績(jī)預(yù)期也令人失望,受這些不利因素的影響,亞馬遜當(dāng)日盤(pán)后股價(jià)大幅下跌。
亞馬遜首席執(zhí)行官杰夫·貝索斯(Jeff Bezos)一直以來(lái)十分關(guān)注假日購(gòu)物季,這是亞馬遜傳統(tǒng)上最強(qiáng)大的季節(jié),因而貝索斯在財(cái)報(bào)中幾乎沒(méi)有提及第三財(cái)季業(yè)績(jī),而是對(duì)未來(lái)的第四財(cái)季業(yè)務(wù)進(jìn)行展望。
他稱:“亞馬遜準(zhǔn)備迎接即將到來(lái)的假日購(gòu)物季節(jié),我們將專注于為客戶帶來(lái)比以往任何時(shí)候更加輕松的體驗(yàn)。我們的產(chǎn)品價(jià)格已經(jīng)很低,但我們?nèi)詫⑾驎?huì)員提供多達(dá)1.5萬(wàn)個(gè)商品秒殺交易機(jī)會(huì)。此外,亞馬遜還將推出一系列新產(chǎn)品,比如Kindle Voyage,兒童版本的Fire HD平板。如果用戶在AmazonSmile訂購(gòu)禮品的話,我們將把您訂單1%,捐獻(xiàn)給你所指定的慈善機(jī)構(gòu)賬號(hào)。”
亞馬遜預(yù)計(jì)公司第四季度公司凈銷(xiāo)售額為273億美元至303億美元,同比增幅7%至18%;運(yùn)營(yíng)利潤(rùn)(或虧損)為虧損5.70億美元至實(shí)現(xiàn)利潤(rùn)4.3億美元。但華爾街分析師預(yù)期第四季度公司營(yíng)收為309.1億美元,每股收益為69美分。
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。