北京時(shí)間4月24日消息,據(jù)路透社報(bào)道,原告律師稱,納斯達(dá)克OMX集團(tuán)(以下簡(jiǎn)稱“納斯達(dá)克”)當(dāng)?shù)貢r(shí)間周四同意支付2650萬美元(約合人民幣1.624億元)和解與其在Facebook 160億美元(約合人民幣981億元)IPO期間拙劣表現(xiàn)有關(guān)的一起集體訴訟。
起訴書指出,納斯達(dá)克沒有披露其IPO系統(tǒng)中技術(shù)方面的薄弱環(huán)節(jié),沒有能針對(duì)Facebook IPO設(shè)計(jì)和測(cè)試其系統(tǒng),違犯了聯(lián)邦和紐約州的相關(guān)法律。
該案的和解具有重要意義,因?yàn)榻灰姿?fù)責(zé)監(jiān)控其系統(tǒng),對(duì)在履行監(jiān)管職能時(shí)造成的損失不承擔(dān)法律責(zé)任。Facebook IPO散戶的代理律師之一文森特•卡普奇(Vincent Cappucci)說,“投資者因市場(chǎng)混亂起訴交易所,而且得到法院支持的,這是第一例。”
Facebook掛牌交易首日——2012年5月18日,遭遇多種技術(shù)問題,導(dǎo)致開盤延遲,數(shù)以千計(jì)的訂單被卡在納斯達(dá)克的系統(tǒng)中數(shù)小時(shí)之久。做市商因此蒙受了約5億美元(約合人民幣31億元)損失,2013年納斯達(dá)克自愿補(bǔ)償它們4160萬美元(約合人民幣2.5493億元)。但是,散戶通過證券商向交易所提交訂單,無法獲得賠償??ㄆ掌姹硎?,周四的和解占到散戶蒙受經(jīng)濟(jì)損失中的“相當(dāng)大一部分”。
納斯達(dá)克首席執(zhí)行官羅伯特•格雷菲爾德(Robert Greifeld)在接受采訪時(shí)說,該案的和解對(duì)交易所的免責(zé)沒有任何影響,“我們對(duì)該案的解決感到高興”。他指出,保險(xiǎn)公司將承擔(dān)大部分和解資金。
納斯達(dá)克周四早些時(shí)候表示,已經(jīng)撥備3100萬美元(約合人民幣1.8997億元),用于應(yīng)對(duì)與Facebook IPO相關(guān)的訴訟。
另外,納斯達(dá)克還在2013年5月同意支付創(chuàng)記錄的1000萬美元(約合人民幣6128萬元)罰金,和解美國(guó)證券交易委員會(huì)與Facebook IPO有關(guān)的指控。納斯達(dá)克不承認(rèn)存在任何不當(dāng)之處。
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(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(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。