北京时间4月14日早间消息,人人公司已领投了P2P网贷公司LendingHome一轮7000万美元的融资。
此前有报道称,人人公司已向多家金融科技创业公司累计投资数亿美元,投资目标包括学生贷款服务SocialFinance,以及商业地产股权投资服务Fundrise。
参与LendingHome此次C轮融资的投资方还包括Colony Capital、Cowboy Ventures、First Round Capital、Foundation Capital、Ribbit Capital和SAB Capital。在此轮融资完成后,LendingHome的融资总额达到1.093亿美元。
LendingHome联合创始人马特·亨弗利(Matt Humphrey)和总裁詹姆斯·赫伯特(James Herbert)表示,该公司过去一年取得了出色的业绩。目前该公司仅有85名员工,但过去一年已完成了超过1亿美元的抵押贷款。
人人公司全球副总裁马特·墨菲(Matt Murphy)表示,投资方预计,LendingHome将继续在美国保持快速增长。他拒绝透露LendingHome此轮融资的估值和其他条款。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。