美國(guó)社交網(wǎng)絡(luò)Twitter今天公布了截至9月30日的2014財(cái)年第三季度財(cái)報(bào)。報(bào)告顯示,Twitter第三季度營(yíng)收為3.613億美元,比去年同期的1.686億美元增長(zhǎng)114%;凈虧損為1.75億美元,比去年同期的凈虧損6460萬(wàn)美元。
不按照美國(guó)通用會(huì)計(jì)準(zhǔn)則,Twitter第三季度調(diào)整后凈利潤(rùn)為700萬(wàn)美元,每股收益為1美分,湯森路透分析師平均預(yù)期為每股1美分,符合分析預(yù)期。
財(cái)報(bào)顯示,截至2014年9月30日,Twitter的月度平均活躍用戶(hù)人數(shù)為2.84億人,比去年同期增長(zhǎng)23%,比上季度增長(zhǎng)24%;Twitter移動(dòng)端月度平均活躍用戶(hù)人數(shù)在總月度平均活躍用戶(hù)人數(shù)中所占比例為80%;Twitter第三季度時(shí)間軸瀏覽量達(dá)到了1810億次,比去年同期增長(zhǎng)14%;Twitter第三季度每千次時(shí)間軸瀏覽量的廣告營(yíng)收達(dá)到了1.77美元,比去年同期增長(zhǎng)83%;Twitter第三季度85%的廣告收入來(lái)自移動(dòng)設(shè)備,較上年同期增加70%。
但Twitter上述業(yè)績(jī)并不足以打動(dòng)投資者,因?yàn)橛脩?hù)增長(zhǎng)速度未能達(dá)到分析預(yù)期,導(dǎo)致Twitter盤(pán)后股價(jià)跌幅逾10%。今年以來(lái),該公司股價(jià)下跌了近24%。
Twitter預(yù)計(jì),2014財(cái)年第四季度營(yíng)收在4.4億美元至4.5億美元之間,增幅至少為81%,但低于去年同期116%的增幅;調(diào)整后EBITDA(不按照美國(guó)通用會(huì)計(jì)準(zhǔn)則)在1億美元和1.05億美元;資本支出在1.20億美元至1.50億美元;股權(quán)獎(jiǎng)勵(lì)支出在1.75億美元至1.85億美元,其中不計(jì)入與未來(lái)可能進(jìn)行的并購(gòu)交易相關(guān)的股權(quán)授予活動(dòng)的影響。Twitter還預(yù)計(jì),2014財(cái)年?duì)I收為13.5億美元到13.75億美元。
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:“當(dāng)前,加快我們的整體執(zhí)行速度顯得比任何時(shí)候都重要。”這意味Twitter將以更快地速度創(chuàng)建新功能,并為廣告商提供不同的技術(shù)創(chuàng)新。
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。