亚马逊CEO杰夫•贝索斯(Jeff Bezos)周四宣布,亚马逊应用商店内的应用数量突破了20万,总量接近一年前的三倍。
贝索斯在致投资者的一封信件中称,当前亚马逊应用商店内的应用数量达到了去年同期的近三倍,而且覆盖了近200个国家。
贝索斯还提及了公司当前开展的其他服务,比如Prime、Instant Video、AWS和Mayday支持等,他称如此众多的服务,均体现了亚马逊的创新精神和追求卓越的决心。
但华尔街投资者似乎对此不以为然,周四美股市场,亚马逊股价较在上一个交易日下跌近4%,跌至319.38美元。
2011年3月,亚马逊应用商店正式上线,当时店内应用数量约为3800左右。但在去年8月份时,亚马逊应用商店规模达到了10万个——在不足一年时间里,亚马逊应用商店规模翻了一番。
但与苹果、谷歌相比,亚马逊应用商店尚有一定差距。苹果仍主导着应用市场,其应用商店内的应用总量超过了100万,而且谷歌应用商店里的应用量在去年也达到了100万。
此前亚马逊曾表示,它将专注于应用的质量,而非仅仅数量。目前,亚马逊正努力吸引应用开发者,并向开发者提供了大量支持工具、添加了很多心功能,目的是吸引客户在上面更多消费。
亚马逊推出的新功能之一——“亚马逊币”(Amazon Coins),最近亚马逊在发布Fire TV的的同时推出了“亚马逊币”:消费者购买Fire TV游戏控制器配件的话,可免费获得亚马逊提供的1000枚“亚马逊币”。
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。