北京时间2月25日早间消息,全球第一大P2P网贷公司Lending Club公布的上市后首份财报显示,该公司去年全年亏损3290万美元。受此消息影响,该股在周二盘后交易中暴跌11%。
P2P网贷公司希望借助新技术和在线平台直接对接借贷双方,这一快速发展的行业最近几年吸引了大批专业投资者的兴趣,他们都在争相通过这类平台发放贷款,并纷纷抢购Lending Club和OnDeck等P2P网贷平台的股票。
总部位于旧金山的Lending Club去年末在纽交所上市融资10亿美元,首日市值便接近90亿美元。该公司上市后公布的首份财报备受投资者关注,他们都希望充分了解这类平台的盈利能力——P2P网贷平台会从该平台达成的交易中收取一小笔费用。
该公司的财报显示,其2014财年亏损3290万美元,而一年前盈利730万美元。之所以出现这一状况,主要是因为营销和产品开发成本远超贷款费用。该公司当年营收翻番至2.13亿美元。
Lending Club创始人兼CEO雷诺·拉普兰奇(Renaud Laplanche)警告称:“2015年仍将是一个投资年,我们希望继续推动贷款和营收的快速增长,但却会保持稳健步伐。”他预计2015年的营收最多达到3.8亿美元,除去并购费用等一次性成本的调整后盈利可达4200万美元,高于2014年的2130万美元。
Lending Club在去年12月份IPO上市,挂牌价为每股15美分,高于此前设定的每股12-14美元的发行价区间。在上市首日,Lending Club股价收盘大幅上涨56%,报23.43美元。当日,Lending Club股价在纽约证券交易所常规交易中下跌0.11美元,报收于23.65美元,跌幅为0.46%。在随后截至美国东部时间17:42(北京时间25日6:42)为止的盘后交易中,Lending Club股价再度下跌2.41美元,至21.24美元,跌幅为10.19%。过去52周,Lending Club的最高股价为29.29美元,最低股价为18.30美元。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。