CNET科技资讯网 11月26日 北京消息:26日凌晨,迅雷(Nasdaq:XNET)公布了截至9月30日的2014年第三季度未审计财务报告。财报显示,迅雷第三季度总营收达到4920万美元,同比增长1.5%,环比增长7.6%。
其中,迅雷第三季度订阅服务营收为2490万美元,同比增长8.4%。同比增长主要是由于订阅服务用户数量从去年同期的440万人增加到510万人,增幅为15.6%。
迅雷第三季度其它互联网增值服务相关营收为1240万美元,环比增长17.6%。环比增长主要是由于网络游戏营收和每位浏览业务付费营收增长。
此外,迅雷第三季度营收成本为2570万美元,比去年同期的2300万美元增长12.1%,此增长主要是由于订阅服务和广告服务增长引发了带宽成本增加。其中,宽带成本为970万美元,比去年同期的930万美元增长了4.9%。此增长主要是由于订阅服务和网络广告服务灌消耗的带宽增加。
在内容成本方面,迅雷第三季度相关成本为990万美元,比去年同期的790万美元增长25.4%,此增长主要是由于购买视频内容。
迅雷董事会主席兼CEO邹胜龙称:“我们仍将致力于推动公司移动计划,主要通过与小米整合方式,以及Project Crystal项目创新方式。”
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。