阅读研究雷达投资体系
登录 / 注册
全部阅读技术产品投资二级市场其他

阅读

2026-11-2087 篇

刷新

德国北莱茵-威斯特法伦州宣布推出首个基于Gemma 4的AI政务搜索门户,年运营成本180万欧元

实质变化
2026-11-19 23:18

德国北莱茵-威斯特法伦州(NRW)数字部长Ina Scharrenbach于11月19日宣布,该州将推出一个全新的中央Web门户“Nordrhein-Westfalen-Portal”,利用人工智能搜索帮助市民和企业更轻松地找到所需的政府服务。据iX Magazin和WDR报道,这是德国首个采用此类自然语言搜索功能的中央行政门户。

该系统由NRW州的IT服务商d-NRW、机构flowconcept以及德国电信(Deutsche Telekom)合作开发。其核心功能是一个单一的搜索框,允许用户使用日常语言输入请求,例如“身份证丢失”或“我想创办一家公司”。AI系统会识别意图,并从超过600个经过白名单验证的官方页面中检索相关申请和服务,不再要求用户了解复杂的行政术语。

在技术架构上,该门户使用了Alphabet旗下Google DeepMind开发的开源权重模型Gemma 4 26B A4B。该模型采用混合专家(MoE)架构,拥有252亿参数,但每个Token仅激活38亿参数,以提高效率。模型运行在德国电信位于慕尼黑的LLM Hub中,以确保数据主权和欧盟法律合规性。Scharrenbach强调,该技术是“主权的”,并且不绑定单一供应商,未来可根据需要切换其他模型。

该项目展示了公共部门部署AI的具体成本结构:软件开发初始投入为150万欧元,AI技术开发投入70万欧元,而每年的运营和维护费用预计为180万欧元,其中约一半用于AI基础设施。尽管强调了AI能力,但该聊天机器人目前仅限于提供上下文以辅助搜索,不会生成建议或回答详细的咨询问题,且承诺不存储用户的个人数据或搜索查询。

信息源:iX Magazin

研究

LoRA:低秩适配技术如何高效微调大语言模型

核验于 2026-11-20 00:01

长期信息 · 《LoRA: Low-Rank Adaptation of Large Language Models》(2021)

在自然语言处理领域,将大规模预训练模型适配到特定任务通常依赖全量微调。然而,随着模型参数规模达到千亿级别(如GPT-3),为每个下游任务存储和部署独立的微调副本变得极其昂贵且难以维护。微软研究院提出的LoRA(Low-Rank Adaptation)旨在解决这一效率瓶颈。

LoRA的核心假设是,模型在适应新任务时权重的变化具有“内在低秩”特性。该方法冻结预训练模型的原始权重,并在Transformer架构的每一层中注入可训练的低秩分解矩阵。通过仅优化这些极小的增量矩阵,而非更新所有参数,LoRA大幅减少了可训练参数量。实验显示,相比使用Adam优化的GPT-3 175B全量微调,LoRA可将可训练参数减少一万倍,GPU内存需求降低三倍,同时在RoBERTa、DeBERTa、GPT-2和GPT-3上的模型质量与全量微调持平或更优。

与其他参数高效方法相比,LoRA避免了适配器(Adapter)引入的推理延迟问题。适配器通过增加网络深度来插入模块,这在在线推理场景下会导致显著的计算开销。而LoRA采用简单的线性设计,允许在部署时将可训练矩阵与冻结权重合并,从而在不增加推理延迟的情况下实现高效适配。此外,LoRA正交于许多现有方法,可与前缀微调等技术结合使用。

对于希望在大语言模型上进行定制化开发但受限于计算资源的工程师和研究者,LoRA提供了一种平衡效率与性能的实用方案。建议从论文第4节关于低秩参数化更新矩阵的描述入手,理解其数学原理,随后参考附录中的代码实现以进行实践。该工作由Edward Hu等人于2021年发表,标题为《LoRA: Low-Rank Adaptation of Large Language Models》。

信息源:《LoRA: Low-Rank Adaptation of Large Language Models》(2021)

研究

巴菲特2018年致股东信:为何应忽视会计噪音,聚焦经营利润

核验于 2026-11-20 00:01

长期信息 · 《Berkshire Hathaway Shareholder Letter 2018》(2018)

在2018年的致股东信中,美国伯克希尔·哈撒韦公司(Berkshire Hathaway Inc.)董事长沃伦·巴菲特(Warren Buffett)针对投资者如何评估企业价值提出了核心观点:应剥离由会计准则变更引起的短期利润剧烈波动,转而关注公司的实际经营能力。这一理念对于理解长期价值投资至关重要。

首先,巴菲特指出新的通用会计准则(GAAP)要求将股票投资组合的未实现资本利得或损失计入当期收益,这导致了“底线”出现“狂野且反复无常的波动”。他在信中写道:“我们一直认为,在伯克希尔,这种按市值计价的变化会产生我所说的‘底线’的‘狂野且反复无常的波动’。”这种波动并非源于业务本身的恶化或改善,而是市场情绪对资产估值的即时反映。因此,他建议读者:“关注经营利润,几乎不要理会各种类型的损益。”这意味着,评估一家企业时,应剥离市场噪音,看其主营业务产生现金的能力是否稳定增长。

其次,基于上述逻辑,巴菲特宣布放弃使用“每股账面价值”作为衡量公司进步的主要指标。他认为这一指标已失去相关性,因为伯克希尔已从一家以持有可交易股票为主的公司,转变为一家主要价值在于运营企业的集团。他在信中解释:“事实上,伯克希尔账面价值的年度变化——它在第2页最后一次出现——是一个已经失去其曾经相关性的指标。”随着公司结构的变化,账面价值无法准确反映旗下众多非上市子公司的真实内在价值,而经营利润则能更直接地体现管理层的资本配置效率。

最后,巴菲特将伯克希尔的成功部分归因于“美国顺风”(The American Tailwind)。他强调,美国经济的繁荣是两党共同推动的结果,尽管经历了通胀、战争和金融危机,但储蓄和投资带来的生产力提升是长期的驱动力。他提到:“还记得我在本信前面如何描述留存收益是伯克希尔繁荣的关键吗?对美国而言也是如此。”这一观点提醒投资者,选择优质企业时,也要考虑其所处的宏观制度环境是否支持长期的财富积累。

假设一位现代投资者面对一家科技巨头股价因季度财报中的公允价值变动而大幅下跌,若遵循此信原则,他不会恐慌抛售,而是检查该公司的核心业务收入和用户留存率是否依然健康。如果经营基本面稳固,短期的会计亏损只是市场波动的映射,而非价值的毁灭。这种思维方式有助于投资者穿越周期,避免被噪音干扰。

《2018年伯克希尔·哈撒韦致股东信》由沃伦·巴菲特撰写,发布于2019年。适合希望深入理解如何区分会计利润与经济现实、以及如何从宏观视角审视企业长期竞争力的投资者阅读。建议从信中关于GAAP规则变更及其影响的段落开始,逐步延伸至对公司估值指标演变的讨论。

信息源:《Berkshire Hathaway Shareholder Letter 2018》(2018)

研究

已读完当前范围的内容

登录 / 注册
阅读研究雷达投资体系