一家新加坡激进派投资方对东芝公司表示强烈支持,而金融界似乎将此视为一种信任性投票,而非破坏性力量。
Effissimo资本管理公司目前拥有东芝公司8.1%的股权,这意味着其已经成为东芝规模最大的单一投资方。
东芝公司由于受到美国西屋核电站业务遭受灾难性亏损的压力,而目前被迫开始认真思考进行破产申请。根据估算,该业务部门带来的成本压力超过60亿美元,但就实际情况来看也许亏损额度更接近90亿美元。
其母公司则因此而需要进行资本重组,包括正在考虑部分甚至全面出售其总值高达130亿美元的存储业务,在另一方面,日本政府则希望能够继续保持在日本国内的东芝公司本部所有权。
Effissimo方面指出,其之所以愿意为东芝提供投资,是因为其预计该公司将迎来长期股份上涨,而非希望以破坏性或者其它方式进一步扰乱东芝运营。其对于东芝股票的大量买入已经导致股份上涨7.6%。
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。