北京時間4月30日下午消息,索尼今天發(fā)布公告稱,由于成像傳感器業(yè)績強勁,加之為復(fù)興虧損的手機業(yè)務(wù)展開的成本壓縮計劃,該公司本財年的營業(yè)利潤將會大幅增長。
索尼預(yù)計,在該公司本財年的營業(yè)利潤將達到3200億日元(約合27億美元),凈利潤為1400億日元,營收則會從上財年的8.2萬億日元萎縮至7.9萬億日元。
分析師預(yù)計,索尼本財年的預(yù)期可能比較保守,市場平均預(yù)計該公司本財年營業(yè)利潤為3980億日元,凈利潤為1770億日元。
索尼在截至今年3月31日的財年內(nèi)凈虧損1260億日元(約合10.6億美元),這也是該公司在過去7年內(nèi)第6次出現(xiàn)年度虧損。但當年實現(xiàn)營業(yè)利潤690億日元,遠超初步預(yù)期。此次凈虧損主要源自智能手機業(yè)務(wù)產(chǎn)生的一次性成本。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(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。實驗顯示,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。
同濟大學(xué)團隊開發(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)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時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等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。