*آخر تحديث للبيانات: 2026-04-27 18:12 (UTC+8)
اعتبارًا من 2026-04-27 18:12، يبلغ سعر Ralph Lauren Corp (RL) ﷼0، مع إجمالي قيمة سوقية قدرها --، ومعدل السعر إلى الأرباح 0.00، وعائد توزيعات أرباح 0.00%. اليوم، تذبذب سعر السهم بين ﷼0 و﷼0. السعر الحالي أعلى من أدنى مستوى لليوم بمقدار 0.00% وأقل من أعلى مستوى لليوم بمقدار 0.00%، مع حجم تداول قدره --. خلال الأسابيع الـ52 الماضية، تم تداول RL بين ﷼0 و﷼0، والسعر الحالي يبتعد بنسبة 0.00% عن أعلى سعر خلال 52 أسبوعًا.
الإحصائيات الرئيسية لسهم RL
تعرّف أكثر على Ralph Lauren Corp (RL)
مقالات تعلم Gate
وكلاء ARC: إعادة تعريف لعبة الذكاء الاصطناعي
يناقش هذا المقال كيف يستغل مشروع ARC الذكاء الاصطناعي لمعالجة مشكلة السيولة الحرجة في ألعاب indie و Web3 مع استكشاف تطور ARC وإمكانات نموذجه التجاري
2024-12-10
ما هو AI Arena (NRN)
تحليل شامل لـ AI Arena: هذه اللعبة بلوكتشين المتكاملة AI تستكشف أسلوب اللعب الأساسي والبنية التحتية ووظائف الرمز الأصلي NRN، بالإضافة إلى الفرص والمخاطر المحتملة.
2025-01-07
ما هي جمعية Aether (AETHER)؟
فوكاي هو أول وكيل ذكاء اصطناعي 'خالد' يعتمد على إطار فوكاي لإليزا. هدفه هو تحقيق وكيل ذكاء اصطناعي كامل على السلسلة، مما يسمح له بالتشغيل بشكل مستقل، وتخزين البيانات، وتنفيذ القرارات على السلسلة دون الاعتماد على الأنظمة المركزية التقليدية. سيغوص هذا المقال في التكنولوجيا الأساسية لفوكاي لإليزا، وخلفية المطور، أداء سوق فوكاي، واتجاه تطويره المستقبلي.
2025-01-20
الأسئلة الشائعة حول Ralph Lauren Corp (RL)
ما هو سعر سهم Ralph Lauren Corp (RL) اليوم؟
ما هو أعلى وأدنى سعر خلال 52 أسبوعاً لسهم Ralph Lauren Corp (RL)؟
ما هو معدل السعر إلى الأرباح (P/E) لسهم Ralph Lauren Corp (RL)؟ ما الذي تشير إليه؟
ما هي القيمة السوقية لسهم Ralph Lauren Corp (RL)؟
ما هو أحدث ربحية السهم (EPS) الفصلية لشركة Ralph Lauren Corp (RL)؟
هل يجب عليك شراء أو بيع Ralph Lauren Corp (RL) الآن؟
ما هي العوامل التي يمكن أن تؤثر على سعر سهم Ralph Lauren Corp (RL)؟
كيف تشتري سهم Ralph Lauren Corp (RL)؟
التحذير من المخاطر
إخلاء المسؤولية
أحدث الأخبار حول Ralph Lauren Corp (RL)
Perplexity 揭示网页搜索代理的后训练方法；基于 Qwen3.5 的模型在准确率与成本方面优于 GPT-5.4
发布新闻消息，4 月 23 日——Perplexity 的研究团队发表了一篇技术文章，详细介绍其面向网页搜索代理的后训练方法。该方法使用两个开源的 Qwen3.5 模型 (Qwen3.5-122B-A10B 和 Qwen3.5-397B-A17B)，并采用两阶段流水线：先进行监督微调 (SFT) 以建立指令遵循与语言一致性，然后通过在线强化学习 (RL) 来优化搜索准确性与工具使用效率。 RL 阶段使用 GRPO 算法并结合两种数据源：一种专有的多跳可验证问答数据集，由内部种子查询构建而成，这些查询需要 2–4 跳推理，并通过多解算器验证；以及基于评分细则的通用对话数据，它将部署需求转换为客观可核查的原子条件，从而防止 SFT 行为退化。 奖励设计采用门控聚合——只有在达到基线正确性时，偏好分数才会计入，即 (question-answer match 或所有评分细则条件都满足)，从而避免高偏好信号掩盖事实错误。效率惩罚使用组内锚定：对工具调用以及生成长度超过同组中正确答案基线的部分施加平滑惩罚。 评估表明，Qwen3.5-397B-SFT-RL 在各项搜索基准上实现同类最佳表现。在 FRAMES 上，它在单次工具调用时达到 57.3% 的准确率，较 GPT-5.4 提高 5.7 个百分点，较 Claude Sonnet 4.6 提高 4.7 个百分点。在中等预算 (four tool calls) 下，它以每次查询 $0.02 的成本实现 73.9% 的准确率；相比之下，GPT-5.4 在每次查询 $0.085 下准确率为 67.8%，Sonnet 4.6 在每次查询 $0.153 下准确率为 62.4%。成本数据基于各提供方的公开 API 定价，并排除缓存优化。
2026-03-21 00:19تأكيد رسمي من Cursor أن Kimi K2.5 هو القاعدة، والجانب المظلم للقمر: تعاون تجاري مرخص
Gate News أخبار، في 21 مارس، وفقًا لمراقبة 1M AI News، نشر الحساب الرسمي لظل القمر @Kimi_Moonshot منشورًا يهنئ Cursor على إصدار Composer 2، ويوضح أن Cursor من خلال منصة Fireworks AI المستضافة على RL ومنصة الاستدلال تصل إلى Kimi K2.5، وهو تعاون تجاري مرخص. ثم أكد مؤسس Cursor المشارك أمان سانجر ونائب رئيس التعليم للمطورين لي روبنسون علنًا مصدر القاعدة وكشفا عن التفاصيل التقنية. قال سانجر إن الفريق قام بتقييم عدة قواعد من خلال قياس التشويش، وذكر أن Kimi K2.5 "يثبت أنه الأقوى"، ثم استمروا في التدريب المسبق بزيادة أربعة أضعاف في الحجم وتعزيز التعلم المعزز، ونشروا ذلك عبر استدلال Fireworks AI وSampling RL. وأضاف روبنسون أن القوة الحاسوبية من القاعدة تمثل حوالي ربع النموذج النهائي، والباقي ثلاثة أرباع يأتي من تدريب Cursor نفسه. واعترف المؤسسان أن عدم ذكر مصدر القاعدة عند إصدار المدونة كان "خطأ"، ووعدا بأنه عند إصدار النموذج التالي سيتم ذكر مصدر القاعدة على الفور. سابقًا، رد إيلون ماسك على منشور مناقشة ذات صلة قائلاً "نعم، إنه Kimi 2.5"، مما زاد من حدة النقاش.
2026-03-20 09:47Cursor Composer 2 يُتهم باستخدام نموذج Kimi K2.5، وتوجه Moonshot AI اتهامات بعدم الالتزام بالترخيص
أخبار Gate، في 20 مارس، وفقًا لمراقبة 1M AI News، اكتشف المطور @fynnso أثناء اختبار طلبات Cursor API أن معرف النموذج الفعلي لـ Composer 2 هو kimi-k2p5-rl-0317-s515-fast، وهو ما يعني "Kimi K2.5 + RL". ثم غرد دا يو لين، مسؤول التدريب المسبق لـ Moonshot AI، قائلاً إن فريقه بعد اختبار Tokenizer الخاص بـ Composer 2 وجد أنه "تمامًا مطابق لـ Kimi tokenizer لدينا"، و"يمكن التأكد تقريبًا أن هذا هو نتيجة إعادة تدريب نموذجنا بشكل إضافي"، ووجه مباشرةً سؤالًا إلى @ Cursor، المؤسس المشارك مايكل ترويل، قائلًا: "لماذا لا تحترمون ترخيصنا، ولم تدفعوا أي رسوم". عند إصدار Composer 2 في 19 مارس، زعم Cursor أن التحسين في الأداء جاء من "إعادة تدريب مستمر على النموذج الأساسي، ثم الجمع بين التعلم المعزز"، لكنه لم يذكر أبدًا Kimi K2.5. يستخدم Kimi K2.5 نسخة معدلة من بروتوكول MIT، ويُحدد صراحة أنه يجب على المنتجات التجارية التي تتجاوز نشاطها الشهري 100 مليون أو إيراداتها الشهرية تتجاوز 20 مليون دولار أن تضع بشكل واضح على واجهة المستخدم عبارة "Kimi K2.5". مع تقييم Cursor البالغ 29.3 مليار دولار وعدد المستخدمين المدفوعين، فإن عتبة الإيرادات الشهرية من المحتمل أن تثير انتباههم. حتى وقت النشر، لم يرد Cursor علنًا.
2026-02-12 14:21جريدينت تطلق إطار التعلم المعزز الموزع Echo-2، وتخطط لإطلاق منصة RLaaS باسم Logits
أخبار فورسايت نيوز، أطلقت مختبر الذكاء الاصطناعي الموزع Gradient إطار عمل Echo-2 للتعلم المعزز الموزع، بهدف كسر حواجز كفاءة تدريب أبحاث الذكاء الاصطناعي. يحقق هذا الإطار من خلال فصل Learner و Actor على مستوى الهيكلية، بهدف تقليل تكاليف ما بعد التدريب للنماذج الكبيرة. وفقًا للبيانات الرسمية، يمكن لهذا الإطار تقليل تكلفة ما بعد تدريب نموذج 30 مليار من 4500 دولار إلى 425 دولارًا. يستخدم Echo-2 تقنية فصل الحساب والتخزين لإجراء التدريب غير المتزامن (Async RL)، ويدعم تفريغ قوة المعالجة المأخوذة من العينات إلى مثيلات بطاقات رسومات غير مستقرة وبطاقات رسومات غير متجانسة تعتمد على تقنية Parallax. يدمج الإطار تقنيات مثل التحديث المحدود، وجدولة التحمل للأخطاء، وبروتوكول الاتصال Lattica الذي تم تطويره داخليًا، مما يعزز كفاءة التدريب مع الحفاظ على دقة النموذج. بالإضافة إلى ذلك، يخطط Gradient لإطلاق منصة RLaaS (خدمة التعلم المعزز) المسماة Logits، والتي أصبحت متاحة للحجز للطلاب والباحثين.
2026-01-02 09:15شريك Mechanism Capital: حجم بيانات الذكاء الاصطناعي الحقيقي سيتوسع بمقدار 100 مرة بحلول عام 2026
ذكرت PANews في 2 يناير أن أندرو كانغ، شريك في Mechanism Capital، نشر على منصة X أنه في عام 2025، سيحل مجال الروبوتات تحديات طويلة الأمد في هندسة النماذج وتدريبها، ويحرز تقدما كبيرا في تكنولوجيا جمع البيانات، وفهم جودة البيانات، وصياغة البيانات، مما يمنح شركات الذكاء الاصطناعي الثقة بأنها ستبدأ في النهاية الاستثمار في جمع البيانات على نطاق واسع، وستستخدم شركات مثل Figure وDyna وPI التعلم المعزز (RL) حققت التكنولوجيا المبتكرة معدل نجاح يزيد عن 99٪ في سيناريوهات التطبيق العملية المختلفة. بالإضافة إلى ذلك، أدت التطورات في تكنولوجيا الذاكرة إلى كسر "جدار الذاكرة"، حيث يستخدم ReMEmber من NVIDIA الملاحة القائمة على الذاكرة، وتحقق Titans وMIRAS ذاكرة اختبار زمنية، ونماذج تحديد المواقع الافتراضية الأفضل (VLMs) تعني أن مصفوفات تحديد المواقع الافتراضية (VLAs) لديها قدرات فهم مكاني أفضل، بالإضافة إلى عمليات توضيح البيانات ومعالجتها التي يمكن أن تحسن بشكل كبير معدل الإنتاجية. في عام 2025، سيقدر السوق في البداية رسم خرائط القدرات الصفرية، وحساسية القوة البصرية، والمنطق الفيزيائي العام الناتج عن مقياس البيانات، وسيتوسع حجم بيانات الذكاء الاصطناعي الفيزيائي بمقدار 100 مرة في عام 2026.
