繼微信3月開始收取提現(xiàn)手續(xù)費后,支付寶剛剛發(fā)布公告表示,因綜合經(jīng)營成本上升,自2016年10月12日起,支付寶將對個人用戶超出免費額度的提現(xiàn)收取0.1%的服務(wù)費,個人用戶每人累計享有2萬元基礎(chǔ)免費提現(xiàn)額度。在用完基礎(chǔ)免費額度后,用戶可以使用螞蟻積分兌換更多免費提現(xiàn)額度。
這距離微信收費相隔了半年多的時間。支付寶方面表示,最終選擇對提現(xiàn)而不是在其他環(huán)節(jié)收費,是因為用戶用支付寶支付的頻次比提現(xiàn)高出很多。用戶使用支付寶更多是用于各種消費、理財、繳費、還信用卡、手機充值等,提現(xiàn)的需求相對而言少一些。僅對提現(xiàn)進行收費,用戶受到的影響會相對小很多。
提現(xiàn)是指用戶通過第三方支付平臺把資金轉(zhuǎn)到銀行卡的行為,支付寶調(diào)整提現(xiàn)規(guī)則并非業(yè)界首例,今年3月,微信已經(jīng)開始對用戶提現(xiàn)收取0.1%的手續(xù)費,每位用戶累計享有1000元免費提現(xiàn)額度。
據(jù)介紹,支付寶的提現(xiàn)涉及“提現(xiàn)到本人銀行卡”和“轉(zhuǎn)賬到他人銀行卡”兩個功能。按照調(diào)整后的規(guī)則,支付寶也對超出免費額度的部分按提現(xiàn)金額的0.1%收取服務(wù)費,單筆服務(wù)費不到0.1元的則按照0.1元收取。不同的是,支付寶個人用戶可以累計享有2萬元基礎(chǔ)免費提現(xiàn)額度,微信的終身免費額度則只有1000元。
公告顯示,除了提現(xiàn)之外,使用支付寶進行消費、理財、購買保險、手機充值、水電煤繳費、掛號、繳納交通罰款、使用手機支付寶轉(zhuǎn)賬到支付寶賬戶、還款等服務(wù)不受任何影響,用戶免費使用的同時還可以獲得螞蟻積分。在用完免費額度后,用戶累積的螞蟻積分可以用于兌換免費提現(xiàn)額度。支付寶方面介紹,目前兌換比例是,1個螞蟻積分可以兌換1塊錢的免費提現(xiàn)額度,上不封頂。
此外,對于備受關(guān)注的余額寶,支付寶公告表示,余額寶資金轉(zhuǎn)出,包括轉(zhuǎn)出到本人銀行卡和轉(zhuǎn)出到支付寶余額將繼續(xù)免費。不過,2016年10月12日起,用戶從余額新轉(zhuǎn)入余額寶的資金,轉(zhuǎn)出時只能轉(zhuǎn)回到余額,不能直接轉(zhuǎn)出到銀行卡。用戶如果余額里有錢擔(dān)心被收費,現(xiàn)在把錢轉(zhuǎn)入余額寶會是一個最佳選擇。
支付寶方面在公告中表示,收費的原因是“綜合經(jīng)營成本上升較快”,調(diào)整提現(xiàn)規(guī)則是為了減輕部分成本壓力。
而此前,微信宣布提現(xiàn)收費時也表示“并不是追求營收之舉,而是用于支付銀行手續(xù)費。”
馬化騰在今年3月份全國兩會時曾介紹了第三方支付背后的商業(yè)模式:銀行的錢離開銀行體系,進入到第三方支付的賬戶,其實都是要收費的,轉(zhuǎn)賬的手續(xù)費大約在千分之一左右,這是第三方支付一項很大的成本。據(jù)馬化騰介紹,即使算上第三方支付平臺可以獲得的利息收入,微信1月份的成本還是超過3億。
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(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。