新三板分層即將落地?zé)o疑是當(dāng)前市場(chǎng)各方關(guān)注的焦點(diǎn)。
股轉(zhuǎn)系統(tǒng)此前披露的分層方案意見稿明確制定了三條準(zhǔn)入標(biāo)準(zhǔn)。據(jù)此統(tǒng)計(jì)的choice數(shù)據(jù)顯示,所有符合進(jìn)入創(chuàng)新層標(biāo)準(zhǔn)的公司達(dá)到967家,而從市場(chǎng)普遍觀點(diǎn)來看,新三板掛牌公司如果進(jìn)入創(chuàng)新層,無疑將更受資本青睞,面臨更大發(fā)展機(jī)遇。
另外,今年以來,新三板市場(chǎng)上的互聯(lián)網(wǎng)平臺(tái)在市場(chǎng)同樣是關(guān)注焦點(diǎn),該領(lǐng)域內(nèi)的并購案例層出不窮,題材多樣,給市場(chǎng)和資本留下更多想象空間。
綜合上述兩點(diǎn)來看,新三板市場(chǎng)上的陽光金服或?qū)⒊蔀樽蠲黠@的受益者。
根據(jù)CHOCIE數(shù)據(jù)統(tǒng)計(jì),公司目前符合創(chuàng)新層標(biāo)準(zhǔn)二的要求,有望在分層機(jī)制落地之后直接進(jìn)入創(chuàng)新層。公開信息顯示,陽光金服在正式提交新三板掛牌申請(qǐng)前便已獲得了來自寬帶資本、海通吉禾、東吳創(chuàng)投、信輝創(chuàng)投、匯石資本、茂匯投資等眾多明星投資基金的多輪聯(lián)合投資,匯聚了券商直投、TMT基金、私募基金等多渠道注資,頗為引人注目。
隨著新三板的迅速發(fā)展,公司開發(fā)了專注于新三板領(lǐng)域的垂直門戶網(wǎng)站:新三板在線,通過網(wǎng)站、微信、APP、雜志以及線下俱樂部平臺(tái),基本覆蓋了其中的大多數(shù)企業(yè),為這些企業(yè)以及投資者和中介機(jī)構(gòu)提供咨詢、行情、數(shù)據(jù)、社交、研究等綜合閉環(huán)服務(wù)。
此外,陽光金服旗下平臺(tái)新三板在線主要聚焦新三板企業(yè)資源整合,從網(wǎng)絡(luò)端至社會(huì)化圈層建設(shè),打造線下“資本幫”品牌活動(dòng)。據(jù)不完全統(tǒng)計(jì),自去年10月底開始,“資本幫”已經(jīng)舉辦了媒體溝通會(huì)以及機(jī)構(gòu)、企業(yè)對(duì)接會(huì)、內(nèi)部培訓(xùn)、主題論壇、閉門交流會(huì)等多種形式的會(huì)議多達(dá)50余場(chǎng),同時(shí),已經(jīng)開展或者正在籌備的董事長沙龍活動(dòng)規(guī)模也將達(dá)到百場(chǎng)。會(huì)議所涵蓋的主題包括新三板并購重組、公募基金進(jìn)入新三板等時(shí)下市場(chǎng)最為關(guān)注的焦點(diǎn)話題。目前,“資本幫”活動(dòng)目前已經(jīng)匯集了3000位新三板已掛牌、擬掛牌公司董事長、券商高管、投資機(jī)構(gòu)合伙人、財(cái)經(jīng)媒體、公募基金、律師以及會(huì)計(jì)師。
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。