CNET科技資訊網(wǎng) 6月14日 國際報(bào)道:當(dāng)?shù)貢r(shí)間本周一,微軟宣布將以262億美元的價(jià)格收購全球職業(yè)社交網(wǎng)站領(lǐng)英LinkedIn。
據(jù)一項(xiàng)聲明表示,LinkedIn首席執(zhí)行官杰夫•韋納(Jeff Weiner)仍將繼續(xù)執(zhí)掌該公司,只是將向微軟CEO薩提亞·納德拉(Satya Nadella)匯報(bào)工作。雙方表示,收購后LinkedIn將保持其“獨(dú)特的品牌、企業(yè)文化和獨(dú)立性”。
在過去的一年里,LinkedIn一直在努力超越自身,希望能不再局限于提供“網(wǎng)上簡歷”服務(wù),而是成為對(duì)職業(yè)人員而言更像是日常生活記錄中心的服務(wù)商,就好比Facebook,后者已不僅僅是一個(gè)只分享家庭照片的網(wǎng)站。而向這個(gè)方向邁進(jìn)的第一步正是對(duì)其手機(jī)應(yīng)用的一次全面升級(jí)。
LinkedIn現(xiàn)已成立13年,該服務(wù)在全球擁有大約4.3億用戶。LinkedIn是一項(xiàng)免費(fèi)使用服務(wù),只向高級(jí)檢索功能和向陌生人發(fā)送消息的用戶收費(fèi)。
本次對(duì)LinkedIn的收購將成為納德拉兩年前接手微軟出任CEO以來最大的一次收購交易。對(duì)微軟來說,這次收購標(biāo)志著該公司對(duì)其計(jì)劃的進(jìn)一步發(fā)展,即成為一家為企業(yè)提供基于云計(jì)算服務(wù)的基本提供商。
納德拉在對(duì)其公司員工的郵件中寫道:“本次合并將有可能帶來全新的體驗(yàn),例如看到一則LinkedIn新聞,其提供的文章恰好基于你所致力于的一個(gè)工作項(xiàng)目,或是在用Office辦公軟件時(shí),它能夠?yàn)槟阃扑]一位可以通過LinkedIn聯(lián)系的專家,幫助你完成自己正在設(shè)法完成的任務(wù)。”
兩家公司的董事會(huì)均已批準(zhǔn)該項(xiàng)交易協(xié)議,LinkedIn評(píng)估市值為每股196美元。預(yù)計(jì)該筆交易將在2016年底完成。
納德拉在一份聲明中表示:“我們的合并可以加速LinkedIn、微軟Office 365和Dynamics的增長,我們將爭取幫助地球上的每個(gè)人、每個(gè)組織。”
韋納說道:“正如我們已經(jīng)改變了世界連接機(jī)會(huì)的方式一樣,我們與微軟的合并,以及微軟云計(jì)算與LinkedIn網(wǎng)絡(luò)的結(jié)合,將給予我們一個(gè)再次改變世界運(yùn)作方式的機(jī)會(huì)”。
微軟盤前交易股價(jià)下跌逾3%,跌至49.60美元左右。而LinkedIn股價(jià)上漲近50%,漲至194.50美元。
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(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。