CNET科技行者 11月29日 北京消息: 今天,Avaya宣布重组计划已获美国法庭批准认可,这为走出资产重组保护提供了强有力的法律支持。重组计划预计于今年年底完成。
“重组计划的成功获批是我们长期努力以及与各个利益相关方密切沟通的成果,”Avaya总裁兼首席执行官Jim Chirico说,“Avaya将变得更加强大,放眼未来,蓄力成功,Avaya将以更灵活的财务状况为我们的客户、合作伙伴和利益相关方创造更大的价值。”
与2016财政年度相比, 修订后的资本结构将为Avaya带来每年超过2亿美元的现金利息节余。Avaya得以全力以赴,专注未来,以开放、灵活的解决方案引领当今数字革命大潮。
“非常感谢来自世界各地Avaya的客户和合作伙伴给予的大力支持和长期信赖,”Chirico说,“这对于Avaya的重组计划成果获批至关重要。”
“同时,感谢Avaya积极进取精益求精的员工,持续专注地为客户提供创新的解决方案和全球领先的服务,”Chirico说,“期待与我们的员工、客户和合作伙伴共同开启Avaya的新篇章!”
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。