北京時(shí)間1月31日凌晨消息,據(jù)路透社報(bào)道,一名熟知內(nèi)情的消息人士周一透露,“閱后即焚”通信應(yīng)用Snapchat母公司Snap Inc.已將紐約證券交易所(NYSE)選中為其IPO(首次公開招股)交易的股票上市交易場(chǎng)所。
這位匿名消息人士稱,Snap準(zhǔn)備在本周公布財(cái)報(bào),并預(yù)計(jì)將在3月IPO上市。與此同時(shí),這對(duì)納斯達(dá)克來(lái)說(shuō)代表著一種挫敗,原因是該交易所也曾就這項(xiàng)IPO交易展開爭(zhēng)奪。
這則消息最早是由CNBC報(bào)道的。Snap、洲際交易所(ICE)和納斯達(dá)克均拒絕就此置評(píng)。
此前曾有消息人士向路透社透露,Snap希望其IPO交易的價(jià)值最高可達(dá)250億美元,這將是自Facebook在2012年IPO上市以來(lái)規(guī)模最大的美國(guó)科技公司IPO交易。該交易很可能只會(huì)給紐約證券交易所帶來(lái)數(shù)十萬(wàn)美元的年費(fèi)收入,但其有助于該交易所招攬更多業(yè)務(wù)。而且,在此之前紐約證券交易所也在其他一些類似交易中擊敗了納斯達(dá)克,后者過(guò)去常被視為科技公司IPO交易理所當(dāng)然的去處。
據(jù)湯森路透統(tǒng)計(jì)的數(shù)據(jù)顯示,2012年納斯達(dá)克在科技公司IPO上市交易收入總額中所占比重高達(dá)85%,但到2014年則銳減到了僅占11%,而導(dǎo)致出現(xiàn)這種下降的主要原因則是Facebook在2012年登陸納斯達(dá)克時(shí)遭遇了故障。
上一次有備受矚目的美國(guó)互聯(lián)網(wǎng)公司IPO上市是在2013年,當(dāng)時(shí)Twitter也選中了紐約證券交易所而非納斯達(dá)克。未來(lái)幾年時(shí)間里預(yù)計(jì)還將有其他一些大型科技公司將尋求IPO上市,如旅行房屋租賃社區(qū)服務(wù)AirBnB和流媒體音樂服務(wù)提供商Spotify等。
無(wú)論是在公開場(chǎng)合還是在私底下,紐約證券交易所和納斯達(dá)克一直都在爭(zhēng)相招攬Snap。在去年10月,有媒體報(bào)道稱Snapchat已經(jīng)聘用了承銷商,準(zhǔn)備發(fā)起IPO交易。
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(guò)讓AI與自己對(duì)弈零和游戲來(lái)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(wú)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(guò)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(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)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(wú)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(guò)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。