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
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。