北京時(shí)間8月20日消息,陌陌(NASDAQ:MOMO)今天發(fā)布了截至6月30日的2015財(cái)年第二季度未審計(jì)財(cái)報(bào)。財(cái)報(bào)顯示,按照美國(guó)通用會(huì)計(jì)準(zhǔn)則(GAAP)計(jì)算,陌陌第二季度總凈營(yíng)收為3070萬美元,同比增長(zhǎng)264%;歸屬于陌陌公司的凈利潤(rùn)為170萬美元,較去年同期的700萬美元凈虧損實(shí)現(xiàn)扭虧為盈。
——總凈營(yíng)收為3070萬美元,較去年同期的840萬美元增長(zhǎng)264%。
——營(yíng)業(yè)虧損為40萬美元,去年同期營(yíng)業(yè)虧損710萬美元;
——按非美國(guó)通用會(huì)計(jì)準(zhǔn)則(Non-GAAP),營(yíng)業(yè)利潤(rùn)為380萬美元,去年同期營(yíng)業(yè)虧損550萬美元;
——歸屬于陌陌公司的凈利潤(rùn)為170萬美元,去年同期則凈虧損700萬美元;
——按非美國(guó)通用會(huì)計(jì)準(zhǔn)則,歸屬于陌陌公司的凈利潤(rùn)為600萬美元,去年同期凈虧損540萬美元;
——每股美國(guó)存托股票(ADS)攤薄凈利潤(rùn)為0.01美元,去年同期為每股ADS攤薄凈虧損1.16美元;
——按非美國(guó)通用會(huì)計(jì)準(zhǔn)則,每股ADS攤薄凈利潤(rùn)為0.03美元,去年同期為每股ADS攤薄凈虧損1.11美元;
——2015年6月,月活躍用戶(MAU)為7840萬人,同比增長(zhǎng)47%;
——截至2015年6月30日,陌陌持有現(xiàn)金、現(xiàn)金等價(jià)物以及定期存款總額為4.531億美元。第二季度中,陌陌來自于運(yùn)營(yíng)活動(dòng)的凈現(xiàn)金為930萬美元,去年同期為210萬美元。
陌陌董事長(zhǎng)兼CEO唐巖表示:“第二季度我們投入了大量資源發(fā)布陌陌6.0,并快速推出了兩次后續(xù)更新以解決我們通過數(shù)據(jù)分析以及用戶反饋發(fā)現(xiàn)的問題。展望未來,我們將繼續(xù)優(yōu)化現(xiàn)有的功能設(shè)置,創(chuàng)造新的社會(huì)化使用案例,降低用戶,尤其是新用戶在陌陌上交流的障礙。這些探索對(duì)擴(kuò)大我們的目標(biāo)用戶群并進(jìn)一步增加陌陌平臺(tái)的規(guī)模非常關(guān)鍵。
我們將很快向陌陌用戶推出‘陌陌在線’服務(wù)。該互動(dòng)式音樂直播服務(wù)將為我們的用戶創(chuàng)造全新的連接和社交方式。‘陌陌在線’將充實(shí)陌陌平臺(tái)的內(nèi)容,從而幫助我們提升用戶的參與度并帶來新的用戶。
在商業(yè)化方面,我們推出了一個(gè)原生廣告營(yíng)銷系統(tǒng),以支持廣告主通過實(shí)時(shí)競(jìng)價(jià)進(jìn)行自助廣告投放。該營(yíng)銷系統(tǒng)的發(fā)布極大地提升了我們自有營(yíng)銷產(chǎn)品的CPM效果,并成為我們未來發(fā)展的強(qiáng)大驅(qū)動(dòng)力。”
截至美國(guó)東部時(shí)間8月19日收盤,陌陌股價(jià)在納斯達(dá)克交易所下跌0.14美元,收?qǐng)?bào)15.98美元,跌幅為0.87%。盤后交易下跌1.48美元,暫報(bào)14.50美元,跌幅9.26%。過去52周,陌陌股價(jià)最高為19.89美元,最低為9.50美元。
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(yǔ)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(yǔ)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。