二月我们报道过手环品牌Jawbone与黑石正在商议投资事宜的消息,当时Google也有收购Jawbone的意向。前几天Jawbone与American Express达成合作,在下代Up4手环中加入支付功能。近日,据Re/code消息,Jawbone已经完成了3亿美元的新一轮融资,由巨头黑石投资。
4月20日起,Up3手环将开卖,价格为179美元。Jawbone的CEO Rahman称其拥有市面上最先进的追踪技术,而Up3和Up4都将配备包括心率、水化水平、体表和环境温度的传感器,可与Jawbone的Smart Coach配合使用。
Rahma 认为,与Apple Watch这种设备不同的是,手环功能更加集中,而未来他希望收集到的数据能够被智能化处理,进而更方便用户理解。比如与Nest的温度调节器结合,调节 最舒适的温度。目前Jawbone有自己的智能设备网上商城,一系列动作后,它与苹果的关系也由原先的合作伙伴,转化成了竞争对手。
此轮融 资全部来自黑石,至今Jawbone共获得4亿美元的融资。此前投资者名单很长,有Andreessen Horowitz、J.P. Morgan’的Digital Growth Fund、Kleiner Perkins、Khosla Ventures和 Sequoia Capital。董事会成员也很酷炫,VC Ben Horowitz,设计师Yves Béhar(设计了Jawbone的可穿戴设备)和Yahoo CEO Marissa Mayer。
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。