
上周,法官亨利·波罗夫(henry boroff)颁布法令,批准解封某些与蓝宝石供应商GT Advanced Technologies(GTAT)破产相关的文件。具体而言,这些文件包括一项由GTAT首席运营官丹尼尔·司奎乐(Daniel Squiller)签署的声明,其间概括描述了该公司与苹果的合作关系及其申请破产的原因。
司奎乐声称,在谈判期间,苹果公司曾警告GTAT管理层“不要浪费时间”试图进行谈判了,因为苹果并不与其供应商谈判。据GTAT表示,该公司被拒绝后,苹果称GTAT公司应该“拿出点儿大人物的样子,接受这份协议”。
司奎乐说道:“苹果采用了一种经典的诱饵调包(bait-and-switch)销售策略,向GTAT提出了一笔繁重且大规模的交易。”
据称,苹果公司也“有相当数量的员工”在GTAT工作,而且这些员工曾“扰乱并阻止GTAT自行管理、决定其业务”,而且还曾“在多个场合”被提醒称苹果团队并未“给予GTAT员工提示”。
这些文件还宣称,苹果将GTAT从一个供应商变成了一个研究性实验。“通过其对蓝宝石发展和制造等材料方面无休止的控制,苹果从很多方面将GTAT从一个供应商/熔炉销售方转变成了一个专为苹果进行实验性的研究与开发的公司,而其资金却主要来源于GTAT其他利益相关者的资助。”
GTAT还表示,苹果阻止该公司“同任何其他消费电子产品市场上的制造商或供应商做生意,否则会受到极端的惩罚”。
文件中,苹果驳回了这些说法,称GTAT“原本可以拒绝与苹果进行谈判,本可以拒绝与其签署协议”,但“GTAT对签署交易协议后的后悔并不能为GTAT诽谤苹果提供依据。”
苹果继续表示:“GTAT并非被诱骗签署的协议”,“在一段较长的时间内,富有经验的当事人双方曾进行了一系列复杂的协议协商”,而且两家公司均由“经验丰富的法律顾问作代表”进行协商。
同时被披露的还有一系列文件,其范围从保密协议囊括至与苹果和GTAT之间交易相关的文件。其中概括描述了许多条款,例如若违反保密协议,GTAT需承担5000万美元的保密违约罚金,而且GTAT必须在给定的日期完成苹果所下订单,否则GTAT要以购买替代物为代价。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。