
北京时间8月17日晚间,阿里巴巴集团向美国证监会递交文件,文件显示,阿里巴巴集团董事局主席马云与阿里巴巴集团董事局副主席蔡崇信,将联手个人回购阿里巴巴集团股份。此外,阿里巴巴正式启动此前宣布的总额达40亿美元回购计划。
除了此前计划中的集团回购,马云和蔡崇信此次个人回购尤为令人瞩目。在此前分析师会上,蔡崇信表示,除了少部分用于慈善目的出售,马云和他在解禁期后,都没有任何出售阿里巴巴股份的意愿。此次阿里集团最新递交的文件则显示,两人不仅不会出售,而且将联合出手买入阿里巴巴集团股份。
在阿里巴巴集团8月12日公布的业绩财报中,阿里巴巴集团表示,董事会已经批准进行一个总额达40亿美元,为期两年的股份回购计划。
马云和蔡崇信这次搞的是什么鬼?要知道以个人形式联手回购公司股份的例子并不多见。
此前2014年8月18日,中国手游公布,应书岭出任中国手游娱乐集团有限公司COO,同时应书岭与肖健计划在公开市场按照现行市场价格或是通过私下协商交易,各自购买公司价值人民币1000万元的美国预托股份,这次个人回购行为主要目的是稳定资本市场信息。
更早一些,2011年11月,分众遭遇浑水做空报告,紧急宣布将继续回购公司股票,CEO江南春个人也将回购1100万美元股票。在这些行为之后,分众传媒股价第二日开盘便大涨11%,盘中最高涨至18.36美元,截至收盘报17.70美元,涨幅达14.71%。媒体的说法是,暂时挽回了资本市场的信心。
马云和蔡崇信这次联手回购股票,显然不排除想要稳定资本市场这一原因。不过阿里巴巴方面并未透露二人联手回购股份的具体数字,只表示:“不包含在之前所说的40亿美元回购计划内。”
在美国时间8月14日,阿里巴巴以74.76美元收盘,而上一日收盘价为75.11美元,跌幅0.47%。阿里巴巴自美国当地时间8月12日发布了截至2015年6月30日的2016财年第一季度财报后,股价开盘就大跌7.3%,创历史新低至71.44美元,此后几日缓慢回涨。
分析认为,阿里巴巴股价跌落一方面是营收未达预期,但更重要则是中国经济受到通货紧缩的影响,金融时报的数据显示,通缩是一个未知因素,批发价格已连续40个月下降,7月的下降有所加速。
不过对于阿里巴巴而言,并非前景堪忧。8月12日,阿里巴巴发布的2015年第二季度财报显示,阿里的业务取得飞速增长,其中阿里云计算业务同比增长106%,而移动端交易额占据中国零售平台总额的55%,引领无线生活的潮流。同时,阿里中国零售平台年度活跃用户达到了3.67亿,创历史新高。
近期,高盛、汇丰、摩根斯坦利等华尔街各大行纷纷更新报告,看好阿里长期发展,给予股票“买入”评级,平均目标价达到了105美元。汇丰的报告指出,阿里巴巴已经为利用好中国电商下一轮增长做好了充分准备。
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。