北京時(shí)間4月21日早間消息,雅虎周一提交的監(jiān)管文件顯示,該公司與微軟剛剛對(duì)合作協(xié)議進(jìn)行了補(bǔ)充,使之可以在今年10月1日當(dāng)天或之后的任何時(shí)間隨時(shí)終止這項(xiàng)交易。
這份補(bǔ)充協(xié)議使得雅虎可以在網(wǎng)絡(luò)搜索行業(yè)中更加自由地控制自己的命運(yùn)。與前幾任雅虎CEO不同,瑪麗莎·梅耶爾(Marissa Mayer)對(duì)新的搜索技術(shù)展開了投資,并且通過與微軟的談判控制了最多49%的雅虎桌面搜索服務(wù)。
根據(jù)2010年2月簽訂的最初協(xié)議,除非搜索營(yíng)收未能達(dá)到雙方商定的標(biāo)準(zhǔn),雅虎才能終止協(xié)議,而且只有在這份長(zhǎng)達(dá)10年的協(xié)議履行過半后才能提出該要求——這項(xiàng)協(xié)議剛剛履行了5年時(shí)間。
而根據(jù)雅虎提交的最新文件,該公司與微軟都可以在2020年協(xié)議到期前提前終止合作,只需要“發(fā)送一份書面終止通知”即可。但作為過渡期,在發(fā)送書面通知后,這項(xiàng)搜索合作協(xié)議仍將繼續(xù)生效4個(gè)月。
盡管雅虎與微軟的合作并不順利,但業(yè)內(nèi)人士認(rèn)為,雙方都不太可能在短期內(nèi)終止協(xié)議。雅虎缺乏足夠的技術(shù)基礎(chǔ)設(shè)施和工程人員來提供全面的網(wǎng)絡(luò)搜索結(jié)果。而如果沒有雅虎,微軟也難以獲取足夠的流量與谷歌爭(zhēng)奪搜索廣告預(yù)算。
這份補(bǔ)充協(xié)議也對(duì)收入分成比例作出了細(xì)微調(diào)整。雅虎現(xiàn)在將自家頁面的搜索廣告中獲得93%的營(yíng)收,然后再向合作伙伴支付相應(yīng)的分成。在最初的協(xié)議中,雅虎的分成比例僅為88%,后于今年2月上調(diào)至90%。
這兩家公司上周宣布了一些協(xié)議調(diào)整內(nèi)容,強(qiáng)調(diào)雅虎可以控制搜索結(jié)果在桌面和移動(dòng)設(shè)備上的呈現(xiàn)方式,而微軟則要負(fù)責(zé)在必應(yīng)搜索網(wǎng)站上銷售廣告。但雙方當(dāng)時(shí)并未披露與終止協(xié)議有關(guān)的條款。
雅虎在公告中表示,雙方合作的“基本經(jīng)濟(jì)基礎(chǔ)并未改變”。
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。