北京時(shí)間5月7日消息,據(jù)《華爾街日?qǐng)?bào)》網(wǎng)絡(luò)版報(bào)道稱,蘋果當(dāng)?shù)貢r(shí)間周三發(fā)行了80億美元債券,高于部分投資者預(yù)期的約65億美元。蘋果稱,將利用發(fā)行債券募集的資金回購股票和向股東派息。
蘋果周三發(fā)行的30年期債券利率為4.397%,比同期美國國債利率高1.4%個(gè)百分點(diǎn)。蘋果2月份發(fā)行的30年期債券利率為3.498%,比美國國債利率高1.25個(gè)百分點(diǎn)。
另據(jù)彭博社報(bào)道,蘋果此次發(fā)行債券,募集資金回饋股東,同時(shí)保留海外現(xiàn)金。這將是蘋果自2013年以來第四次發(fā)行債券。
一名不具名知情人士透露,蘋果今天將發(fā)行多達(dá)7個(gè)部分的債券,期限最長為30年。
Newfleet資產(chǎn)管理公司高管馬納斯·扎科(Manases Zarco)稱,“盡管利率可能上調(diào),但蘋果債券還是有需求的。沒有人會(huì)擔(dān)心蘋果發(fā)行債券,它擁有巨額現(xiàn)金,只是不愿意把這些現(xiàn)金轉(zhuǎn)回國內(nèi),因?yàn)檫@需要交納巨額稅金。”
蘋果4月27日宣布,將把截至2017年3月的資金回饋計(jì)劃規(guī)模增加700億美元(約合人民幣4281億元),為此將通過在美國和海外市場(chǎng)發(fā)行債券募集所需要的資金。彭博社旗下市場(chǎng)研究機(jī)構(gòu)彭博情報(bào)(Bloomberg Intelligence)分析師阿南德·斯林尼瓦山(Anand Srinivasan)和諾爾·赫伯特(Noel Hebert)5月1日發(fā)表投資報(bào)告稱,蘋果可能需要發(fā)行240億美元(約合人民幣1468億元)債券,為資金回饋計(jì)劃規(guī)模的增加募集資金。根據(jù)蘋果的計(jì)劃,截至2017年,它將向股東回饋2000億美元(約合人民幣12231億元)資金。
上述知情人士稱,蘋果可能以比同期美國國債高1.1%的利率發(fā)行10年期債券。蘋果還計(jì)劃發(fā)行固定和浮動(dòng)利率的2年和5年期債券,以及固定利率的7年期債券。
美國銀行、高盛和摩根大通是蘋果這次發(fā)行債券的承銷商。
自2013年以來,蘋果累計(jì)發(fā)行了403.5億美元(約合人民幣2468億元)債券,其中2013年發(fā)行的170億美元(約合人民幣1040億元)債券當(dāng)時(shí)創(chuàng)下美國公司債新記錄。
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(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。