
HTC的复苏仍在继续,但其表现似乎仍有点不稳定。
这家台湾手机制造商于周五公布了其第三季度财报,取得收益1970万美元,营收13.7亿美元,合每股收益2美分。
较HTC上季度生成的7500万美元利润相比,其复苏表现显得有些缓慢。但较其一年前的表现还是不错的,去年同期HTC亏损了1.01亿美元。
总体而言,HTC的复苏形势看上去还不错。
该公司第三财季的微薄利润主要源于这段典型的低利润时期,而苹果和其他Android厂商近来发布的各种发布会促使其利润更加微薄,尤其是iPhone 6和iPhone 6 Plus以及最新Nexus 6智能手机的发布。
这已触及其盈亏底线?虽然本可能更糟糕,但事实上其表现还不错。
HTC表示其旗舰HTC One (M8)为其第三季度带来不少收益,该公司称之“在大部分市场均保持其发展势头”,但并未提及哪个市场。HTC Desire系列智能手机产品也“保持现有势头或有所扩大”。
HTC首席执行官周永明(Peter Chou)表示:“在这个具有挑战性的季度中,我们可以看到HTC已开始迎接挑战,在这样一个竞争激烈的环境中维持现有盈利能力。通过在所有主要地区均衡提供产品以及增强品牌效应,我们的合作伙伴已能够将其业务扩展到现有市场和新兴市场,尤其是Desire系列。”
展望第四财季未来的业绩表现,HTC表示,预计其营收将介于14.1亿美元和15.4亿美元之间,每股收益约为1美分。此外,该公司的毛利率预计也将下降几个百分点。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。