8月27日晚,汇顶科技披露2020年半年报显示,2020年前6月,公司共实现营业收入30.56亿元,较2019上半年营业收入28.87亿元增长5.87%;净利润5.97亿元,同比下降41.26%。半年报显示,汇顶科技2020上半年实现综合毛利率51.63%,同比降低10.10个百分点,净利润率为19.55%,同比降低15.68个百分点,其中研发费用8.35亿元,同比增长82.30%,研发支出占营业收入比重为27.31%。
据悉,汇顶科技在人机交互和生物识别领域拥有深厚的积淀与技术成果,正全力打造智能终端、物联网和汽车电子三大业务布局,除了努力推动超薄屏下光学指纹方案的大规模商用以巩固公司在生物识别技术领域的领先地位外,今年2月VAS业务收购也顺利交割完毕,目前对该业务的整合已宣告完成。收获业界顶尖的音频研发力量及优势专利技术,使得公司完成了在声、光、电三个领域的技术布局。
同时,公司坚定以高研发投入来驱动创新能力的升级,近三年研发费用占营收的比重维持在不低于15%的高水平,对创新的持续投入换来了核心技术及相关专利的快速累积。报告期内,公司申请、授权的国际国内专利总数超过4,600件。据了解,今年上半年,汇顶科技围绕公司战略在各研究领域持续加大研发投入力度,持续创新推动技术迭代升级,不断拓宽创新产品组合和应用领域。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。