4月16日下午消息,据日经中文网报道,受业绩大幅亏损影响,夏普或于5月中旬公布重建方案,将实施出售总部大楼、裁减日本国内员工等措施扭转困境。
报道称,夏普2014财年的合并最终亏损受到液晶面板、光伏电池生产设备减值处理等影响,比之前预期的300亿日元大幅增加。面向智能手机等的中小型液晶业务陷入苦战,营业损益也有可能转盈为亏,而之前预期为盈利500亿日元。
据悉,夏普将通过预期5月发布的新中期经营计划实施根本性结构改革。将以40岁以上的员工为对象,在9月底之前开始实施自愿退休。募集人数最初设想为3000人,预计退休人数最终将接近4000人。夏普将在年内出售大阪市内的总部大楼,迁入租用的新办公地点。预计近期将与瑞穗银行等2家主要交易银行就接受2000亿日元的资本援助达成框架协议,通过强化资本,加快经营重建步伐。
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。