北京時間8月17日晚間,阿里巴巴集團向美國證監(jiān)會遞交文件,文件顯示,阿里巴巴集團董事局主席馬云與阿里巴巴集團董事局副主席蔡崇信,將聯(lián)手個人回購阿里巴巴集團股份。此外,阿里巴巴正式啟動此前宣布的總額達40億美元回購計劃。
除了此前計劃中的集團回購,馬云和蔡崇信此次個人回購尤為令人矚目。在此前分析師會上,蔡崇信表示,除了少部分用于慈善目的出售,馬云和他在解禁期后,都沒有任何出售阿里巴巴股份的意愿。此次阿里集團最新遞交的文件則顯示,兩人不僅不會出售,而且將聯(lián)合出手買入阿里巴巴集團股份。
在阿里巴巴集團8月12日公布的業(yè)績財報中,阿里巴巴集團表示,董事會已經(jīng)批準進行一個總額達40億美元,為期兩年的股份回購計劃。
馬云和蔡崇信這次搞的是什么鬼?要知道以個人形式聯(lián)手回購公司股份的例子并不多見。
此前2014年8月18日,中國手游公布,應(yīng)書嶺出任中國手游娛樂集團有限公司COO,同時應(yīng)書嶺與肖健計劃在公開市場按照現(xiàn)行市場價格或是通過私下協(xié)商交易,各自購買公司價值人民幣1000萬元的美國預(yù)托股份,這次個人回購行為主要目的是穩(wěn)定資本市場信息。
更早一些,2011年11月,分眾遭遇渾水做空報告,緊急宣布將繼續(xù)回購公司股票,CEO江南春個人也將回購1100萬美元股票。在這些行為之后,分眾傳媒股價第二日開盤便大漲11%,盤中最高漲至18.36美元,截至收盤報17.70美元,漲幅達14.71%。媒體的說法是,暫時挽回了資本市場的信心。
馬云和蔡崇信這次聯(lián)手回購股票,顯然不排除想要穩(wěn)定資本市場這一原因。不過阿里巴巴方面并未透露二人聯(lián)手回購股份的具體數(shù)字,只表示:“不包含在之前所說的40億美元回購計劃內(nèi)。”
在美國時間8月14日,阿里巴巴以74.76美元收盤,而上一日收盤價為75.11美元,跌幅0.47%。阿里巴巴自美國當(dāng)?shù)貢r間8月12日發(fā)布了截至2015年6月30日的2016財年第一季度財報后,股價開盤就大跌7.3%,創(chuàng)歷史新低至71.44美元,此后幾日緩慢回漲。
分析認為,阿里巴巴股價跌落一方面是營收未達預(yù)期,但更重要則是中國經(jīng)濟受到通貨緊縮的影響,金融時報的數(shù)據(jù)顯示,通縮是一個未知因素,批發(fā)價格已連續(xù)40個月下降,7月的下降有所加速。
不過對于阿里巴巴而言,并非前景堪憂。8月12日,阿里巴巴發(fā)布的2015年第二季度財報顯示,阿里的業(yè)務(wù)取得飛速增長,其中阿里云計算業(yè)務(wù)同比增長106%,而移動端交易額占據(jù)中國零售平臺總額的55%,引領(lǐng)無線生活的潮流。同時,阿里中國零售平臺年度活躍用戶達到了3.67億,創(chuàng)歷史新高。
近期,高盛、匯豐、摩根斯坦利等華爾街各大行紛紛更新報告,看好阿里長期發(fā)展,給予股票“買入”評級,平均目標價達到了105美元。匯豐的報告指出,阿里巴巴已經(jīng)為利用好中國電商下一輪增長做好了充分準備。
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。