
5月18日消息,福建省证券局以及深圳证券交易所已经受理,盛大游戏关联公司“关于泰亚股份资产置换上海恺英网络科技有限公司股权涉嫌虚假陈述的投诉”,主管部门已启动了调查程序。
4月17日,泰亚鞋业股份有限公司(以下简称“泰亚股份”)通过上市公司信息披露渠道发布了《重大资产置换及发行股份购买资产暨关联交易预案》,该“预案”载明泰亚股份拟将截至评估基准日2015年2月28日的全部资产与负债与王悦等11名交易对方持有的上海恺英网络科技有限公司(以下简称“恺英网络”)100%股权中的等值部分进行资产置换,恺英网络借壳上市。
盛大游戏关联公司举报称,泰亚股份发布的有关公告存在严重的误导性陈述和欺诈,恺英网络的营利模式是建立在严重的知识产权侵权和不正当竞争行为基础上的,该事实将会严重影响其估值以及未来的持续营利能力,“为维护知识产权权利人的合法权益,保护广大投资者的利益,请监管部门根据举报内容对泰亚股份、恺英网络的违规行为予以立案彻查,制止其违法违规行为,对该资产换置停止审批”。
盛大游戏在投诉函中声称,自己是网络游戏《热血传奇》的权利人和运营商,其发现恺英网络运营的网页游戏《斩龙传奇》、《刺沙》、《屠龙传说》、《屠龙战》、《战天》、《血饮传说》等多款的行为严重侵犯了盛大游戏的著作权和游戏的特有名称,并进而构成对盛大游戏的不正当竞争行为。因此,恺英网络以运营涉嫌侵犯《热血传奇》游戏的系列侵权游戏为主要经营模式,存在巨大的法律风险。
自2013年起,盛大游戏陆续针对恺英网络参与运营的《龙纹战域》、《烈焰》等多款侵权游戏提起民事侵权诉讼,最终多以游戏开发商承认侵权,并支付赔偿金以及许可费达成和解,而恺英网络作为上述侵权网络游戏的传播者和主要运营商,在整个过程中采取恶意拖延诉讼等措施规避侵权责任的承担。
除上述由于游戏开发商积极承担侵权责任而暂时获得豁免的传奇游戏以外,仍有《斩龙传奇》、《刺沙》、《屠龙传说》、《屠龙战》、《战天》、《血饮传说》等10款游戏是未经授权的涉嫌侵权的传奇游戏。上述游戏既是恺英网络游戏收入的主要来源,也是其资产估值的重要依据。
盛大游戏针对恺英网络运营网页游戏《烈火战神》、《斩龙传奇》的系列侵权行为已经向法院提起诉讼,要求停止侵权并赔偿经济损失累计不少于人民币1亿元,该两个案件正在审理之中。恺英网络因该两案件可能遭受的经济损失不仅包括诉讼中盛大游戏所主张的累计1亿元的赔偿金,还包括由于法院要求停止侵权导致的涉案游戏停止运营所造成的游戏收入的重大损失。根据《交易预案》所公示两款游戏的收入情况,恺英网络若败诉,将很可能损失两款游戏共计大约3亿的年收益,且若法院判令停止侵权,则判决生效后该两款游戏亦将无法产生收益。
盛大方面表示,后续还拟将针对《刺沙》、《屠龙传说》、《屠龙战》、《战天》、《血饮传说》等8款侵权游戏采取民事、行政乃至刑事途径进行强力维权,恺英网络将承担与前述案件类似的责任,其涉及的金额达数亿元,且同样存在无法再产生收益的风险。
上述系列诉讼涉及对恺英网络这种靠运营侵权网页游戏谋取巨额利益的商业模式是否违法、是否可持续的司法判断,会对泰亚股份的股价产生巨大影响。然而泰亚股份在《预案》中所披露的信息存在严重误导性以及不充分性,将对投资者产生严重误导,也进而影响资本市场的秩序及主管机关的执法尊严。
盛大诉恺英网络《烈火战神》侵权诉讼受理通知书
版权纠纷
上海重剑网络科技有限公司的工商基本信息
盛大游戏认为,恺英网络控股股东及实际控制人王悦以及上海重剑网络科技有限公司所作的承诺不具有实际担保能力,其企图通过毫无实际担保能力的承诺以及未充分披露诉讼可能造成的损失,弱化诉讼所产生的风险,将给投资者造成严重的误导。《烈火战神》以及《斩龙传奇》诉讼案件所涉金额巨大,王悦所作的承诺在没有任何资产作为担保的情况下,不具有实际担保能力。而上海重剑网络科技有限公司所针对《斩龙传奇》案件出具的《承诺函》更加虚假,其仅是一家2014年3月份刚设立,注册资本只有200万元的有限公司,其出具“恺英网络前述诉讼需承担任何经济责任或遭受任何由此产生的直接损失或间接损失,其将无条件地全额补偿或全部承担”承诺的更不具有任何实际担保能力。
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。