科技行者 6月7日 北京消息:加拿大時間6月6日上午9:30(北京時間6月7日凌晨00:30),加拿大法院就孟晚舟案件中法律層面的技術(shù)問題進(jìn)行了討論。此后,現(xiàn)任華為媒體事務(wù)副總裁Benjamin Howes發(fā)表聲明稱,加拿大執(zhí)法存在程序濫用,孟女士應(yīng)立即釋放。
聲明如下:
大家早上好。我是Benjamin Howes,現(xiàn)任華為媒體事務(wù)副總裁。
感謝各位對此案件的關(guān)注。今天我代表華為給大家做一個簡短的聲明,以幫助各位更好的理解華為的立場。出于對司法程序的尊重,我稍后不會回答問題。
第一,美國對孟女士的指控在加拿大法律下并不構(gòu)成犯罪,引渡申請不符合加拿大《引渡法》的核心原則。
根據(jù)加拿大法律,如果被指控的行為在加拿大不構(gòu)成犯罪,則不得引渡。美國對孟女士的指控是基于違反美國對伊朗實施的單邊金融制裁,而加拿大目前并沒有針對伊朗的金融制裁,因此銀行的相關(guān)交易不存在違反加拿大法律的風(fēng)險,從而不會導(dǎo)致銀行遭受經(jīng)濟利益損失風(fēng)險。
所以孟女士在美國被指控的行為在加拿大并不構(gòu)成犯罪,孟女士應(yīng)該被立即釋放。
孟女士的律師也將于2020年1月份提交動議,反駁美方基于欺詐罪引渡孟女士的申請。
第二,美國政府提交的證據(jù)材料不充分,對孟女士的指控不能成立。
沒有證據(jù)證明孟女士曾誤導(dǎo)過任何金融機構(gòu),孟女士于2013年8月在香港向一家外國銀行陳述的PPT也沒有誤導(dǎo)性。
銀行人員完全了解相關(guān)問題的實際情況,對相關(guān)問題的判斷不需要依賴孟女士的陳述。此外,銀行完全了解Skycom在伊朗的業(yè)務(wù)和運營的性質(zhì),也了解華為與Skycom的關(guān)系。
孟女士及其律師在后續(xù)的聽證會中將就此問題做進(jìn)一步說明。
第三,加拿大的執(zhí)法存在嚴(yán)重的程序濫用,孟女士的憲法權(quán)利被侵害。
孟女士及其律師認(rèn)為,孟女士在機場被捕時的合法權(quán)利受到嚴(yán)重侵害。加拿大針對孟女士的執(zhí)法行動是對美國和加拿大引渡程序的濫用,是披著引渡程序外衣非法搜集證據(jù),迫害個人權(quán)利。
孟女士的律師將于2019年9月提交披露動議,要求獲取更多孟女士于2018年12月1日在機場遭受的不公平待遇的記錄。
最后,孟女士的律師認(rèn)為,美國對華為的打壓以及美國總統(tǒng)的相關(guān)言論也表明,此案件是政治和經(jīng)濟因素驅(qū)動,不是出于法治考慮。孟女士及其律師將以此提請法庭以程序濫用為由終止引渡程序。
華為堅決支持孟女士捍衛(wèi)自己的合法權(quán)益,我們也相信加拿大司法系統(tǒng)能公正、高效地審理此案,作出有利于孟女士的判決。
謝謝大家!
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(tuán)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。