北京时间4月16日消息,据《华尔街日报》网络版报道,印度最大打车服务提供商Ola已完成了4亿美元E轮融资,估值25亿美元。
Ola 在周四发布的一份声明中称,该轮融资的投资方包括了俄罗斯投资公司DST Global、新加坡主权财富基金GIC、美国对冲基金Falcon Capital Edge LP等新投资方。另外,软银、老虎环球基金、香港Steadview Capital以及美国风投公司Accel Partners等现有投资方也跟投了Ola此轮融资。
Ola并未透露在此轮融资中向投资方出售的股份规模或其它交易条款。Ola上一轮融资是在去年10月,当时从软银和其他投资方筹集到了2.1亿美元,估值大约为10亿美元。
Ola称,将利用新筹集来的资金向规模更小的印度城市扩张,其计划到今年年底前将服务覆盖的城市数量增加一倍至200个。另外,新一轮融资还将有助于Ola与Uber等其它全球打车服务竞争。Uber正在印度不断增长的打车市场迅速扩张。
上周有报道称,Ola已融资3.14亿美元。但据科技博客TechCrunch报道,3.14亿美元只是Ola这新一轮融资的一部分。
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。