APUS CEO李涛在乔迁新居之际透露了42号计划。“今年年底,我们会突破3亿用户的全球市场,拥有了巨大用户量,同时有足够资金,我们42号平台开放计划,要把apus的市场开放出去。”
李涛也首次对外透露了APUS的融资总额和花费,“我们两次融资融到1.16亿美金,到今天才花掉几百万美金。”
据悉,APUS是首家提出“用户系统”概念的企业,他自称为最小最快最简单的用户系统。李涛介绍:“APUS首先最重要的功能是桌面。其次智能文件夹的功能。第三,apus雷达。每个文件夹里都有这个雷达,基于位置信息找到周围人正在用的热门应用是哪些,然后推荐给用户。第四,apus加速功能。第五,apus搜索功能,包括本机搜索,应用搜索,包括周边搜索等。第六,一些小功能,比如手电筒等。”
截止目前,APUS已经拥有1.5亿海外用户,目标是今年底达到3亿用户。
2015年4月28日上午是APUS乔迁新居的良辰吉日,李涛透露,“APUS这层楼的物业费和装修是1000万人民币,我们绝大部分资金在团队建设上,希望给团队良好的环境,花在员工上,比花在市场上更有价值。”
APUS前台
APUS照片墙
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。