激進投資人卡爾-伊坎
北京時間5月20日上午消息,美國激進投資者卡爾·伊坎(Carl Icahn)周二接受CNBC采訪時表示,根據(jù)Uber 500億美元的估值來看,Lyft的價值超過最近融資時獲得的20億美元估值。伊坎上周剛剛領投了Lyft的最新一輪融資。
“如果Uber值500億美元,Lyft的估值應該遠超20億美元。”伊坎說,“在合理的環(huán)境下,如果他們保持有序增長,我肯定很愿意加大投資,我相信我不是唯一一個這么想的人。”
Lyft最近一輪融資的估值約為25億美元。伊坎稱,這兩大專車服務都很有風險,但Uber并沒有專車服務的專利,而Lyft難以繼續(xù)競爭的唯一可能就是它無法繼續(xù)融資。
“投資給這家公司的人已經(jīng)回答了這個問題。”伊坎說,“為什么不能有兩個競爭對手?”
總部位于舊金山的Lyft上周融資1.5億美元,其中有1億美元來自伊坎。此輪融資可以幫助Lyft與Uber爭奪市場。
彭博社此前披露的Lyft內(nèi)部文件顯示,該公司的營銷費用大幅增加。Lyft還預計今年的凈營收將增長512%,達到7.96億美元。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。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)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術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。該技術利用圖像間的不變幾何關系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓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,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速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練效率,已在多個任務上驗證有效性。