互聯(lián)網(wǎng)理財(cái)平臺(tái)懶財(cái)網(wǎng)日前宣布完成A輪融資,投資方為聯(lián)想旗下投資公司君聯(lián)資本,未披露具體金額,官方稱約為數(shù)千萬元。
懶財(cái)網(wǎng)于2014年5月上線,是一家以互聯(lián)網(wǎng)技術(shù)為主的公司,技術(shù)團(tuán)隊(duì)來自于搜狗、百度、阿里等互聯(lián)網(wǎng)科技公司;金融團(tuán)隊(duì)來自于博時(shí)基金、中郵基金等機(jī)構(gòu);產(chǎn)品方面,懶財(cái)網(wǎng)借力風(fēng)控能力較強(qiáng)的傳統(tǒng)金融機(jī)構(gòu),以信托資產(chǎn)質(zhì)押作為主要投資載體,保障投資安全。
關(guān)于懶財(cái)網(wǎng)的業(yè)務(wù)模式,懶財(cái)網(wǎng)CRO韓碩介紹道,首先,懶財(cái)網(wǎng)融資額度高,跟市場上同類型的產(chǎn)品相比,可以給借款人最高不超過持有信托份額的90%的融資規(guī)模;其次,融資利率優(yōu)質(zhì)、融資期限好,可以跟當(dāng)期信托計(jì)劃存續(xù)匹配,“雖懶但是很專”;第三,融資速度快,只要手續(xù)完備的話,簽約后三個(gè)工作日即可放款。
關(guān)于融資后的使用計(jì)劃,懶財(cái)網(wǎng)CEO陶偉杰表示,“此次融資后,資金將主要用于擴(kuò)充金融投資團(tuán)隊(duì)、進(jìn)一步深入研究大數(shù)據(jù)資管以及品牌推廣”。
“懶財(cái)寶”是懶財(cái)網(wǎng)目前主打的互聯(lián)網(wǎng)活期理財(cái)產(chǎn)品,具備按秒付息、年化收益率8%、24小時(shí)隨存隨取、資金平均3分鐘到賬、自動(dòng)投資功能。定位“懶人”,意在針對沒有很多時(shí)間理財(cái)或?qū)碡?cái)并不是很熟悉的人,理財(cái)者可以免除不同期限理財(cái)產(chǎn)品組合的麻煩,只需要將理財(cái)用的資金存入,需要消費(fèi)時(shí)取現(xiàn)。
在3月份上線之后,“懶財(cái)寶”在不到4個(gè)月的時(shí)間里服務(wù)了1.5萬的用戶,以及4億元資金。
懶財(cái)寶的安全性主要體現(xiàn)在三個(gè)方面,一是資產(chǎn)配置為信托資產(chǎn)抵押融資債權(quán);二是平臺(tái)不建立資金池,保證每筆資金交易和流水清晰可查;三是通過首信易支付平臺(tái)進(jìn)行第三方資金托管,使平臺(tái)與用戶資金隔離。
陶偉杰透露,未來公司的方向是浮動(dòng)收益類的理財(cái)市場。他坦言,“大家現(xiàn)在都看到現(xiàn)在股市不好,我們認(rèn)為股市的投資也應(yīng)該可以,權(quán)益類的投資也應(yīng)該可以用很懶的方式去解決,讓用戶以后不會(huì)被股市的上下波動(dòng),可能每次都沒有追到漲,每次都踩到坑這樣的方式,我們要用顛覆性的方式解決浮動(dòng)收益類的理財(cái)市場。”
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。