2月1日晚間消息,新東方集團(tuán)旗下專業(yè)在線教育公司“新東方在線(北京新東方迅程網(wǎng)絡(luò)科技股份有限公司)”宣布獲得騰訊控股有限公司旗下機(jī)構(gòu)的3.2億人民幣投資,這項投資預(yù)計將于2016年第一季度完成,隨后新東方在線將仍然是由新東方控股的子公司。
據(jù)公開資料顯示,新東方在線成立于2005年,是新東方教育科技集團(tuán)(NYSE:EDU)旗下獨立運營的在線教育公司。依托于新東方集團(tuán)強(qiáng)大的師資力量與教學(xué)資源,新東方在線先后推出個性化學(xué)習(xí)平臺“新東方在線網(wǎng)(koolearn.com)”、兒童教育品牌“多納”、視頻直播教學(xué)平臺“酷學(xué)網(wǎng)”、B2B業(yè)務(wù)品牌“新東方教育云”,并在2014年先后與騰訊合資成立“微學(xué)明日”推出移動智能學(xué)習(xí)App“優(yōu)答”,與ATA合資成立“職尚教育”推出職業(yè)教育網(wǎng)站“直上”。新東方在線一直致力于打造覆蓋全年齡層的終生學(xué)習(xí)平臺和構(gòu)建多屏學(xué)習(xí)生態(tài)。
截至2015年11月,新東方在線網(wǎng)站課程共計達(dá)到3000多門,內(nèi)容涵蓋出國考試、國內(nèi)考試、英語學(xué)習(xí)、多種語言、K12教育、職業(yè)教育等6大類,注冊用戶已逾2000萬,移動學(xué)習(xí)用戶超過3000萬。
新東方集團(tuán)董事長俞敏洪表示,做在線教育,首先必須是對教育有深刻的理解,另外就是依托互聯(lián)網(wǎng)的力量,創(chuàng)造更多的教學(xué)模式,而不是簡單的做教育和互聯(lián)網(wǎng)的加成。新東方和騰訊擁有強(qiáng)大的“教育”和“互聯(lián)網(wǎng)“基因,這兩種基因的融合、碰撞,勢必會帶動在線教育行業(yè)步入更快的發(fā)展軌道,同時催生新的在線教育模式和新的在線教育產(chǎn)品。
新東方在線CEO孫暢表示,從資本層面,作為新東方集團(tuán)旗下的全資子公司,和其他初創(chuàng)型在線教育公司相比,新東方在線每年有著不錯的營收,所以此次接受騰訊注資更多是出于戰(zhàn)略考量,而非單純的財務(wù)投資。資本融合后,勢必有利于幫助新東方在線和騰訊在多業(yè)務(wù)層面的更深度合作。同時,新東方在線也將會加大在產(chǎn)品、技術(shù)和市場等方面的投入,實現(xiàn)自身業(yè)務(wù)更快速的發(fā)展。另外,新東方在線也不排除會基于自身業(yè)務(wù)發(fā)展的需要,考慮進(jìn)行一些對外投資。
同時,據(jù)新東方最新對外公告顯示,新東方在線計劃于中國首次公開發(fā)行股票,但相關(guān)上市細(xì)節(jié)暫時還未披露。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)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(jì)大學(xué)團(tuán)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(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(jī)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(tuán)隊通過對比實驗發(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(qiáng)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(jī)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。