雅虎今天發(fā)布了截至6月30日的2014財(cái)年第二季度財(cái)報(bào)。報(bào)告顯示,雅虎第二季度營收為10.84億美元,比去年同期的11.35億美元下滑4%;雅虎第二季度凈利潤為2.70億美元,比去年同期的3.31億美元下滑19%,每股折合收益0.26美元,調(diào)整后(不包括流量獲得成本)每股收益為0.37美元。
華爾街分析師預(yù)測(cè)雅虎雅虎第二季度營收為10.8億美元,調(diào)整后每股收益為0.38美元。
目前正值中國科技巨頭阿里巴巴集團(tuán)IPO之際,而持有阿里巨額股份的雅虎公司公布第二季度業(yè)績(jī)受人關(guān)注。
雅虎CEO瑪麗莎·梅耶爾(Marissa Mayer)承認(rèn)雅虎該季度業(yè)績(jī)并不理想。她在一份事先擬定的新聞稿中稱:“我們的首要任務(wù)是營收增長,從這一點(diǎn)上來講,我們對(duì)公司第二季度業(yè)績(jī)并不滿意。雖然一些表現(xiàn)出了強(qiáng)勁增長,但其增長被其他領(lǐng)域下滑抵消。比如,雅虎搜索服務(wù)在這一季度中表現(xiàn)強(qiáng)勁,不計(jì)流量獲取成本營收比去年同期增長了6%,搜索點(diǎn)擊營收也比去年同期增長了19%。我們的社交、移動(dòng)、視頻和原生領(lǐng)域也都獲得了強(qiáng)勁增長,整體來看同比增長近90%。但顯示業(yè)務(wù)仍在投資、處于轉(zhuǎn)型階段。在第二季度,顯示業(yè)務(wù)營收進(jìn)一步下降,進(jìn)一步證明,我們需要加快努力來扭轉(zhuǎn)這種不利發(fā)展趨勢(shì)。我堅(jiān)信未來我們會(huì)做到更好??傮w而言,我們?nèi)詫?duì)雅虎未來,以及公司戰(zhàn)略、恢復(fù)長期增長抱有信心。”
盡管雅虎第二季度搜索廣告業(yè)務(wù)增長,但顯示廣告業(yè)務(wù)下滑卻同樣引發(fā)分析師關(guān)注:不計(jì)流量獲取成本,該季度顯示廣告營收為3.94億美元,上年同期為4.23億美元、同比下降7%。顯示廣告業(yè)務(wù)的售出廣告數(shù)量較上年同期增長了約24%,但每廣告價(jià)格同比下降同為約24%。
雅虎財(cái)報(bào)還顯示,雅虎與阿里巴巴集團(tuán)新修訂了股票回購協(xié)議,在新協(xié)議下,雅虎在阿里巴巴集團(tuán)首次公開招股(IPO)時(shí)拋售的最大股票數(shù)量從原來計(jì)劃的2.08億股減少至1.4億股。
分析師預(yù)計(jì)雅虎當(dāng)前季度的營收為11億美元,每股贏利至少為0.40美元。
在隨后進(jìn)行的分析師電話會(huì)議上,雅虎CFO肯·高德曼(Ken Goldman)預(yù)測(cè),像二季度出現(xiàn)下滑一樣,雅虎第三季度的營收下滑趨勢(shì)不會(huì)逆轉(zhuǎn)。高德曼還表示,未來的雅虎業(yè)務(wù)預(yù)期,還將取決于雅虎在即將赴美IPO的阿里巴巴集團(tuán)的投資收益。雅虎認(rèn)為,不包括流量獲取成本,公司第三季度營收預(yù)期將在10.2億美元至10.6億美元之間。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。