汇顶科技日前发布了三季报,得益于公司多元化产品布局等因素影响,公司2020年第三季度,实现营业收入20.7亿元,较2019年第三季度17.9亿元同比增长16.0%,较2020年第二季度的营业收入17.1亿元环比增长21%。2020年前三季度营收约51.28亿元,同比增长9.62%;净利润约11亿元,同比下降35.75%。同时,该司不断扩大研发投入力度并深入各个领域,在前三季度,汇顶科技研发费用达12.89亿元,较去年同期增长78.95%,研发收入占比高达到25%。
与去年第三季度相比,公司今年的业绩表现主要得益于公司的多元化产品布局。截至目前,公司的屏下光学指纹已商用于177 款品牌机型,其中超薄屏下光学指纹34款;随着在线教育的普及,公司触控芯片的出货稳中有升,车载触控方案和车规级指纹方案也已在多家知名汽车品牌车型上实现商用;除此之外,公司的入耳检测及触控二合一方案、性能指标业界一流的ECG、PPG芯片、低功耗蓝牙芯片、主动降噪音频编解码器芯片也实现了规模量产出货,并获得多个顶级终端品牌客户认可和商用。
未来,公司将继续围绕智能移动终端、 IoT、汽车电子领域深耕,持续扩展人机交互、生物识别、 IoT 平台三条产品线的应用深度和广度,同时坚持不懈的努力,逐渐成长为全球领先的综合型IC设计公司和世界一流的创新科技公司,为客户和投资者创造更大的价值。
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。