北京時間4月7日下午消息,比特幣基金會的一名董事會成員表示,比特幣基金會“實質(zhì)上”已經(jīng)破產(chǎn),并裁掉了大部分員工。比特幣基金會的主要工作是推動比特幣的發(fā)展。
不過該組織的另兩名成員表示,比特幣基金會并未破產(chǎn),只是需要進行某種重組。比特幣基金會于2012年在美國成立,是一家非營利組織。不過,該基金會自成立以來遭遇了一系列爭議。
上月被選為比特幣基金會董事會成員的奧利佛·詹森斯(Olivier Janssens)在基金會的討論版中發(fā)表文章稱:“基金會幾乎沒有任何資金剩余,并裁掉了90%員工。一些員工將作為志愿者留任。”
他同時表示:“比特幣基金會厭惡透明。如果他們確保透明,那么所有人都會知道,基金會已沒有資金剩余。”
詹森斯認為,基金會的財務(wù)窘境是由于過去兩年“愚蠢的支出以及糟糕的決策”。董事會已經(jīng)試圖尋找新的執(zhí)行主管,以扭轉(zhuǎn)這一局面。他表示,整個董事會都需要改選。
詹森斯被稱作比特幣百萬富翁。他表示,將向一家信托基金捐款,以支持數(shù)字貨幣的核心開發(fā)。
比特幣基金會尚未對此做出回應(yīng)。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。