大约有3万名通用电气公司(GE)的员工将开始使用Box作为他们的企业文件共享和协作产品,Box本周四表示。
通用电气是Box的新客户,显然也是一个大客户。对于Box来说这则消息出现的正是时候,因为Box正在与Dropbox、微软以及谷歌等公司争抢客户。不过根据S-1文件显示,Box承认离盈利还有一段距离。
“在从2011年12月31日到2013年1月31日的这个12个月中,我们的收入分别是2110万美元、5880万美元和1.242亿美元,同比分别增长179%和111%,净亏损分别为5030万美元,1.126亿美元和1.686亿美元。”
在一篇博客文章中,Box公司首席执行官Aaron Levie表示,Box已经与通用电气公司合作两年时间了,通用电气加入Proctor & Gamble和McAfee成为Box的大客户。
除了其规模之外,通用电子对于Box来说很重要的原因有很多。该公司正在从工业时代向云和大数据前沿推动者的角色转型,向Pivotal大数据平台的投资很好地说明了这一点。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。