多伦股份已被列入“全国失信被执行人”名单
5月12日消息,昨日宣布更名为“匹凸匹”的多伦股份(600696)将自己推向“风口浪尖”。上海证券交易所向其发出了“问询函”,并要求“匹凸匹”5月13日起停牌核查大股东、实际控制人及公司是否存在应披露而未披露事项,并披露相关核查结果。
以下为上海证券交易所问询函:
你公司于2015年5月11日披露公告,拟将“上海多伦实业股份有限公司”更名为“匹凸匹金融信息服务(上海)股份有限公司”,同时将变更经营范围。根据公告,公司拟实施的转型无可行性论证,无相应的人员配备,也尚未正式开展业务,拟变更的名称与目前公司的主营业务并无直接关联。公告披露后,公司股价已连续两日涨停。
鉴于你公司股票交易已出现异常情况,为保护投资者利益,现将相关工作通知如下。
一、请公司于2015年5月13日起停牌核查大股东、实际控制人及公司是否存在应披露而未披露事项,并披露相关核查结果。
二、 请公司提交本次名称变更的内幕信息知情人名单,核查并披露公司董事、监事及高管人员及其他内幕信息知情人最近六个月内买卖公司股票的自查报告。
三、请公司根据目前所处行业上市公司的估值情况,核查并披露公司股票价格是否存在高估,并进行相应的风险提示。
四、请公司尽快召开投资者说明会,就本次更名事项与投资者进行互动交流,并披露投资者说明会召开情况。
请你公司和全体董事、监事及高管人员,本着对投资者负责的态度,认真核查上述重大事项,并在履行相应的信息披露义务后复牌。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。