5月29日凌晨消息,当当网周四开盘大跌,开盘5分钟之内,当当跌幅一度达到16%。截至收盘,当当股价下跌1.58美元至8.67美元,跌幅达15.41%。
当当网(NYSE:DANG)昨日发布了截至3月31日的2015财年第一季度财报。总净营收为人民币22.173亿元(约合3.577亿美元),同比增长27.7%。净亏损人民币6020万元(约合970万美元),而上年同期净利润为人民币200万元。基于非美国通用会计准则,净亏损人民币5800万元(约合930万美元),而上年同期净利润为人民币520万元。
据雅虎财经汇总的数据显示,4位分析师平均预计,不按美国通用会计准则计算(Non-GAAP),当当网第一季度每股美国存托凭证(ADS)摊薄收益0.04美元;财报显示,该公司第一季度每ADS亏损0.12美元,低于分析师预期。
根据6位分析师平均预计,当当网第一季度总营收3.5578亿美元;而根据财报显示,该公司第一季度总营收为3.577亿美元,高于分析师预期。
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。