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
想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。
想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。
想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。
想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。