4月14日消息,美股周一收低,股市連續(xù)三個(gè)交易日走軟,投資者擔(dān)心企業(yè)一季度財(cái)報(bào)可能較差。CBOE波動(dòng)指數(shù)跳漲14%,代表股民比較緊張。
截至收盤,道瓊斯工業(yè)平均指數(shù)報(bào)17,977.04點(diǎn),下跌80.61點(diǎn),跌幅為0.45%。標(biāo)準(zhǔn)普爾500指數(shù)報(bào)2,092.43點(diǎn),下跌9.63點(diǎn),跌幅為0.46%。納斯達(dá)克綜合指數(shù)報(bào)4,988.25點(diǎn),下跌7.73點(diǎn),跌幅為0.15%。
中國概念股周一漲跌互現(xiàn)。11只股票跌逾3%,其中四只股票跌超5%。新浪(NASDAQ:SINA)跌5.68%,第九城市(NASDAQ:NCTY)跌5.88%,58同城(NYSE:WUBA)跌6.10%,酷6傳媒(NASDAQ:KUTV)跌6.82%。九只股票漲逾3%,其中四只股票漲幅在5%之上。聚美優(yōu)品(NYSE:JMEI)上漲6.59%,學(xué)大教育(NYSE:XUE)上漲12.19%,久邦數(shù)碼(NASDAQ:GOMO)上漲12.44%,航美傳媒(NASDAQ:AMCN)上漲16.28%。
據(jù)媒體報(bào)道,P2P貸款服務(wù)商LendingHome日前獲得7000萬美元投資,人人網(wǎng)(NYSE:RENN)是這輪投資中的領(lǐng)投公司。人人網(wǎng)已經(jīng)向財(cái) 務(wù)科技公司投資了數(shù)億美元,例如學(xué)生貸款公司SocialFinance和商用地產(chǎn)投資公司Fundrise LLC。人人網(wǎng)今日收報(bào)2.70美元。
新浪(NASDAQ:SINA)上周末遭中國網(wǎng)絡(luò)監(jiān)管機(jī)構(gòu)通報(bào)批評一事繼續(xù)發(fā)酵,此事在周一獲外媒廣泛報(bào)道。報(bào)道稱,中國互聯(lián)網(wǎng)信息辦公室已約談新浪負(fù)責(zé) 人,要求該公司對虛假報(bào)道等行為進(jìn)行整改,若整改效果不佳則有關(guān)停其新聞服務(wù)的可能。新浪今日收報(bào)35.38美元,下跌2.13美元,跌幅為5.68%。 微博(NASDAQ:WB)今日收報(bào)14.30美元,下跌0.58美元,跌幅為3.90%。
好文章,需要你的鼓勵(lì)
新加坡國立大學(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。