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
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。