微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 迅雷摊上事儿了:美多家律所对其高管展开调查 股价大跌

迅雷摊上事儿了:美多家律所对其高管展开调查 股价大跌

2015-05-22 08:57
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-05-22 08:57 凤凰网

迅雷摊上事儿了:美多家律所对其高管展开调查 股价大跌

迅雷股价截图

北京时间5月22日消息,据雅虎财经报道,包括Johnson & Weaver、Pomerantz LLP以及罗斯律师事务所(The Rosen Law Firm)等在内的多家美国律所对迅雷公司涉嫌违规展开调查。

Johnson & Weaver目前正在对迅雷公司及其某些高管可能违反联邦证券法规展开调查。具体而言,Johnson & Weaver的调查旨在确定迅雷在业绩报告和前景声明中的某些措辞是否虚假和带有误导性。

Pomerantz LLP律所表示,它们的调查关注迅雷及其某些高管和(或)董事是否违反了1934年证券交易法的10(b)和20(a)部分内容。

而罗斯律师事务所宣布,它正在对迅雷面向投资公众所发布的可能产生明显误导性的商业信息行为展开调查。

迅雷于2014年6月24日在美国纳斯达克股票市场挂牌上市,发行730万股,开盘价报14.21美元。IPO(首次公开募股)首日股价高点达15.5美元。然而,在首次公开募股后11个月——2015年5月20日迅雷发布的截至2015年3月31日第一季度未经审计的财务报告显示,公司总营收为3020万美元,同比下降8.4%,环比下降14.9%。营业亏损140万美元,相比之下去年同期营业利润为380万美元,上季度营业利润为120万美元。迅雷进一步披露,在今年3月份已迅雷剥离了旗下在线视频流播放业务——迅雷看看。

受上述消息影响,周四美股市场迅雷股票大幅下跌。截至纳斯达克股市收盘,迅雷股价跌1.69美元,收于9.71美元,跌幅为14.82%。过去52周以来,迅雷股价浮动范围:5.93美元-16.18美元。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    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。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    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。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    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。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    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。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-