北京時(shí)間5月18日消息,據(jù)路透社報(bào)道,美國(guó)上訴法院周一裁定,三星電子產(chǎn)品并未侵犯蘋(píng)果的商業(yè)外觀專(zhuān)利。因此,在蘋(píng)果此前贏得的9.3億美元賠償金中,與商業(yè)外觀專(zhuān)利相關(guān)的3.82億美元需要重新評(píng)估。商業(yè)外觀是一個(gè)法律商標(biāo)術(shù)語(yǔ),描述的是產(chǎn)品包裝或呈現(xiàn)的方式。
報(bào)道稱(chēng),在這樁備受關(guān)注的蘋(píng)果三星全球?qū)@麘?zhàn)裁定中,美國(guó)聯(lián)邦巡回上訴法院對(duì)加利福尼亞州圣何塞地方法院聯(lián)邦陪審團(tuán)此前所作出的大部分專(zhuān)利侵權(quán)裁定予以支持,即三星侵犯了蘋(píng)果的設(shè)計(jì)和實(shí)用專(zhuān)利權(quán),也認(rèn)可了三星需要為侵犯這些專(zhuān)利權(quán)需要支付的賠償金。
不過(guò),美上訴法院還認(rèn)定,三星并未侵犯蘋(píng)果的商業(yè)外觀知識(shí)產(chǎn)權(quán),這推翻了圣何塞地方法院此前在這一問(wèn)題上的裁定。圣何塞地方法院此前裁定,三星需要向蘋(píng)果支付9.3億美元賠償金。美上訴法院周一要求該下級(jí)法院重新評(píng)估涉及商業(yè)外觀專(zhuān)利的賠償金。
美上訴法院表示,蘋(píng)果尋求利用商標(biāo)保護(hù)的功能無(wú)法得到這種法律保護(hù),因?yàn)樗鼈兪鞘謾C(jī)的必要功能。如果授予蘋(píng)果這一法律保護(hù),就給予了該公司在這些功能上的永遠(yuǎn)壟斷地位。
此外,美上訴法院還確認(rèn),已駁回三星的重審案件的動(dòng)議。
蘋(píng)果在2012年最終贏得了對(duì)三星的9.3億美元賠償金,但是未能在2013年說(shuō)服美國(guó)地方法官高蘭惠(Lucy Koh)禁售三星的侵權(quán)手機(jī)。涉案的三星手機(jī)現(xiàn)在已經(jīng)不再在市場(chǎng)上銷(xiāo)售。
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(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)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(wú)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(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)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(wèn)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(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)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(wú)法有效利用視覺(jué)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(guò)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。