6月30日上午消息,針對近日樂視控股旗下公司入股酷派并成為其第二大股東的消息,樂視網(wǎng)CEO賈躍亭今日發(fā)布長微博。他表示酷派與樂視會產(chǎn)生協(xié)同化反,推動酷派轉(zhuǎn)型為互聯(lián)網(wǎng)生態(tài)公司。
該消息來自酷派28日晚間的一則公告,公告顯示,樂視網(wǎng)旗下公司以約21.9億元入股酷派占股18%,成為酷派第二大股東。而就在不久前,360旗下手機品牌奇酷科技剛剛完成對酷派旗下電商品牌大神手機業(yè)務(wù)的并購。
賈躍亭在長微博中表示,酷派的產(chǎn)研供應(yīng)鏈、銷售、售后能力,能夠與樂視生態(tài)協(xié)同化反,推動酷派快速轉(zhuǎn)型為互聯(lián)網(wǎng)生態(tài)公司,打造出用戶喜歡的生態(tài)手機。
以下為賈躍亭長微博原文:
很高興樂視控股旗下樂視移動智能公司子公司Le View Mobile成為酷派第二大股東,感謝酷派郭總及其他酷派的朋友對樂視的信任和對樂視生態(tài)的高度認(rèn)同。
生態(tài)化反,開放共享。開放閉環(huán)的樂視生態(tài)將推動酷派快速進入手機生態(tài)時代,同時酷派深厚的產(chǎn)研供應(yīng)鏈、銷售、售后能力能夠與樂視生態(tài)產(chǎn)生強化反應(yīng),全流程共生共贏共享。
樂視獨創(chuàng)的“平臺+內(nèi)容+終端+應(yīng)用”垂直整合生態(tài),樂視超級手機的全面創(chuàng)新、多維度超越蘋果、按量產(chǎn)成本定價,獲得了媒體同仁的一致好評和樂迷用戶的高度熱愛。樂1 Pro屢次秒罄,創(chuàng)下旗艦機瞬時銷售紀(jì)錄;樂1把旗艦機從2000元時代拉到1499元時代;代表業(yè)界最高科技水平的極限旗艦真機皇樂Max全球獨創(chuàng)全民定價模式,目前已經(jīng)吸引超300萬人參與定價,成為業(yè)界最受期待的重磅產(chǎn)品,明天的#701論劍#,大家拭目以待。
酷派深厚的產(chǎn)研供應(yīng)鏈、銷售、售后能力,能夠與樂視生態(tài)完美協(xié)同化反,推動酷派快速轉(zhuǎn)型為互聯(lián)網(wǎng)生態(tài)公司,打造出用戶喜歡的生態(tài)手機。
相信在樂視開放閉環(huán)生態(tài)理念下,雙方強強聯(lián)合,從研發(fā)生產(chǎn)、供應(yīng)鏈、銷售推廣、營銷傳播、客服售后整個手機全產(chǎn)業(yè)鏈的優(yōu)勢互補,必將產(chǎn)生強化反,實現(xiàn)共生、共贏、共享。
生態(tài)化反,道同合謀。開放的樂視生態(tài),正在推動傳統(tǒng)手機產(chǎn)業(yè)進步和變革,希望更多產(chǎn)業(yè)同行攜手進入移動互聯(lián)網(wǎng)生態(tài)時代,為用戶創(chuàng)造全新的體驗和更高的價值。
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(zhǔn)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。