6月16日消息,新三板企業(yè)塞爾瑟斯公告顯示,前中手游COO應(yīng)書嶺創(chuàng)辦的新公司天津迪諾擬以1.19億元收購其45.862%股份。交易完成后,應(yīng)書嶺成為控股股東,并更名為北京英雄互娛科技股份有限公司。
天津迪諾借殼登陸新三板
公告顯示,公司、公司原股東和投資方已于2015年5月18日簽署了《增資協(xié)議》及其《補(bǔ)充協(xié)議》,將以非公開發(fā)行的方式定向發(fā)行新普通股,股數(shù)為合計(jì)89,869,733股,每股發(fā)行價(jià)格為1.33元,增資價(jià)款合計(jì)為人民幣119,526,745元(1.19億元)。
本次增資后,注冊(cè)資本變更為人民幣104,869,733元。其中,本次新增注冊(cè)資本為人民幣89,869,733元。全部新發(fā)行股份由天津迪諾和其他投資方認(rèn)購,其增資價(jià)款高于新增注冊(cè)資本的部分全部計(jì)入公司資本公積金。
其中,天津迪諾認(rèn)購48,095,831股,資金總額為63,967,456元(6396萬元),支付方式為現(xiàn)金。剩余款項(xiàng),天津迪諾向北京紅杉信遠(yuǎn)股權(quán)投資中心(有限合伙)、上海華晟領(lǐng)勢(shì)創(chuàng)業(yè)投資合伙企業(yè)(有限合伙)、寧波引爆點(diǎn)創(chuàng)業(yè)投資合伙企業(yè)(有限合伙)、寧波引爆點(diǎn)投資管理合伙企業(yè)(有限合伙)和天津真格天峰投資中心(有限合伙)借款共計(jì)63,967,456元用于完成此項(xiàng)收購。
同時(shí),應(yīng)書嶺擬將其所持有的天津迪諾20%的股權(quán)分別質(zhì)押給上述貸款方。目前,尚未辦理股權(quán)質(zhì)押工商手續(xù)。
塞爾瑟斯公告截圖
本次發(fā)行完成后,公司的股本變?yōu)?04,869,733股,其中天津迪諾持有48,095,831股,直接可支配的公司股權(quán)比例合計(jì)為45.862%,成為公司的第一大股東,實(shí)際控制人。
天津迪諾與中手游
天津迪諾成立于2015年3月4日,注冊(cè)資本500萬元,業(yè)務(wù)范圍包括投資管理、資產(chǎn)管理(金融資產(chǎn)經(jīng)營(yíng)管理除外)、投資咨詢服務(wù)。應(yīng)書嶺持有天津迪諾100%股份,為唯一股東自然人、控股股東和實(shí)際控制人。
天津迪諾所控制的核心企業(yè)和業(yè)務(wù),由中手游今年5月業(yè)務(wù)重組后轉(zhuǎn)讓給應(yīng)書嶺。
根據(jù)中手游公告,將旗下子公司北京卓越晨星科技有限公司(北京卓越晨星)51%股份將在3年內(nèi)轉(zhuǎn)給應(yīng)書嶺控制的天津卓越科技有限公司(天津卓越)。成都卓星手中的《全民槍戰(zhàn)》及《天天炫舞》兩款手游的發(fā)行運(yùn)營(yíng)業(yè)務(wù)也移交給北京卓越晨星。
目前,天津迪諾旗下公司包括天津卓越及其控股子公司北京迷游網(wǎng)絡(luò)科技有限公司和成都俞越科技有限公司;北京卓越晨星及其控股子公司天津卓越晨星科技有限公司和香港卓越晨星有限公司;以及天津迪諾兄弟資產(chǎn)管理合伙企業(yè)(有限合伙)。
公告稱,收購?fù)瓿珊蟮奈磥?2個(gè)月內(nèi),不排除擇機(jī)將其控制的部分公司置入公司。不過,本次定向發(fā)行及收購尚需向全國(guó)股份轉(zhuǎn)讓系統(tǒng)(新三板)報(bào)送材料,履行備案程序。
6月16日,塞爾瑟斯最新公告顯示,任命應(yīng)書嶺為公司總經(jīng)理,并決定將公司名稱修改為北京英雄互娛科技股份有限公司。
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。