北京时间4月30日下午消息,索尼今天发布公告称,由于成像传感器业绩强劲,加之为复兴亏损的手机业务展开的成本压缩计划,该公司本财年的营业利润将会大幅增长。
索尼预计,在该公司本财年的营业利润将达到3200亿日元(约合27亿美元),净利润为1400亿日元,营收则会从上财年的8.2万亿日元萎缩至7.9万亿日元。
分析师预计,索尼本财年的预期可能比较保守,市场平均预计该公司本财年营业利润为3980亿日元,净利润为1770亿日元。
索尼在截至今年3月31日的财年内净亏损1260亿日元(约合10.6亿美元),这也是该公司在过去7年内第6次出现年度亏损。但当年实现营业利润690亿日元,远超初步预期。此次净亏损主要源自智能手机业务产生的一次性成本。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。