甲骨文公司周四發(fā)表聲明,稱首席執(zhí)行官(CEO)拉里·埃里森(Larry Ellison )在領(lǐng)導(dǎo)公司35年多后,將辭去公司首席執(zhí)行官職務(wù),惠普前CEO馬克·赫德(Mark Hurd)和薩夫拉·卡茲(Safra Catz)將擔(dān)任聯(lián)合CEO。
拉里·埃里森
但埃里森卸任CEO,并不意味著他將離開(kāi)自己一手創(chuàng)辦的公司。據(jù)悉,他將繼續(xù)擔(dān)任甲骨文執(zhí)行董事長(zhǎng)兼首席技術(shù)官。而甲骨文公司主席杰夫·亨利(Jeff Henley)將擔(dān)任董事會(huì)副主席。
甲骨文表示,卡茲和赫德將負(fù)責(zé)公司大部分運(yùn)營(yíng),其中卡茲負(fù)責(zé)制造業(yè)務(wù)、金融以及法律事務(wù),而赫德負(fù)責(zé)銷售、服務(wù)和垂直業(yè)務(wù),而軟件和硬件工程仍將在埃里森監(jiān)管之下。
埃里森表示:在過(guò)去幾年時(shí)間里,我們?nèi)艘恢焙献鞯暮芎?,在可預(yù)見(jiàn)的未來(lái)一段時(shí)間里,我們?nèi)詫⒗^續(xù)合作,保持這一管理團(tuán)隊(duì),一直是我的首要任務(wù)。
周四,甲骨文發(fā)布了公司第一財(cái)季業(yè)績(jī)報(bào)告。報(bào)告顯示,該季度甲骨文凈利潤(rùn)為22億美元,每股收益折合48美分,營(yíng)收為86億美元、較上年同期增長(zhǎng)3%。按Non-GAAP計(jì)算,該季度每股收益為62美分。
但華爾街分析師預(yù)期,該季度甲骨文營(yíng)收為87.7億美元,每股贏利為64美分。在過(guò)去7個(gè)季度中,甲骨文有5個(gè)季度業(yè)績(jī)表現(xiàn)未能達(dá)到華爾街收益預(yù)期。
甲骨文第一財(cái)季報(bào)告還顯示,該季度甲骨文軟件和云服務(wù)收入上升了6%至66億美元;軟件、平臺(tái)即服務(wù)收入增長(zhǎng)32%至3.37億美元,基礎(chǔ)構(gòu)造即服務(wù)營(yíng)收增長(zhǎng)26%至1.38億美元;硬件系統(tǒng)銷售下降8%至12億美元。
卡茲表示,甲骨文的云服務(wù)季度總營(yíng)收為4.75億美元,增長(zhǎng)了30%??ㄆ澾€表示,本財(cái)政年度是“一個(gè)良好的開(kāi)端”。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)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(wú)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(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)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(wèn)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(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)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(wú)法有效利用視覺(jué)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(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)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。