*Данные последний раз обновлены: 2026-04-29 05:46 (UTC+8)
На 2026-04-29 05:46 цена Ralph Lauren Corp (RL) составляет ₽0, сумма рыночной капитализации — ₽1,67T, коэффициент P/E — 18,17, дивидентная доходность — 0,99 %. Сегодня цена акции колебалась в диапазоне от ₽0 до ₽0. Текущая цена на 0,00 % выше дневного минимума и на 0,00 % ниже дневного максимума, при торговом объеме 301,77K. За последние 52 недели торгли RL шли в диапазоне от ₽0 до ₽0, а текущая цена находится в 0,00 % от максимума за 52 недели.
Основные показатели RL
О RL
Узнайте больше о Ralph Lauren Corp (RL)
Статьи Gate Learn
Что такое AI Arena（NRN）
Комплексный анализ AI Arena: Эта блокчейн-игра, интегрирующая искусственный интеллект, исследует свою основную игровую механику, инфраструктуру, функциональность собственного токена $NRN, а также потенциальные возможности и риски.
2025-01-07
ARC Агенты: Переопределение геймплея ИИ
В этой статье рассматривается, как проект ARC использует искусственный интеллект для решения проблемы недостатка игроков в инди и Web3 играх, исследуется развитие ARC и потенциал его бизнес-модели.
2024-12-10
Что такое Aether Collective (AETHER)?
Focai - это первый 'бессмертный' искусственный интеллект, построенный на базе фреймворка focEliza. Его целью является достижение полностью цепочечного интеллектуального агента, позволяющего работать независимо, хранить данные и принимать решения на блокчейне, не полагаясь на традиционные централизованные системы. В этой статье будет рассмотрена основная технология focEliza, фоновый фон разработчика, рыночная производительность FOCAI и его будущее развитие.
2025-01-20
Часто задаваемые вопросы о Ralph Lauren Corp (RL)
Какова цена акции Ralph Lauren Corp (RL) сегодня?
Какие максимальная и минимальная цены за 52 недели по Ralph Lauren Corp (RL)?
Каково значение коэффициента цена/прибыль (P/E) для Ralph Lauren Corp (RL)? Что он показывает?
Какова рыночная капитализация Ralph Lauren Corp (RL)?
Какова самая свежая квартальная прибыль на акцию (EPS) за Ralph Lauren Corp (RL)?
Стоит ли сейчас покупать или продавать Ralph Lauren Corp (RL)?
Какие факторы могут повлиять на цену акции Ralph Lauren Corp (RL)?
Как купить акции Ralph Lauren Corp (RL)?
Предупреждение о рисках
Дисклеймер
Последние новости Ralph Lauren Corp (RL)
Perplexity 公开 Web 搜索代理的后训练方法；基于 Qwen3.5 的模型在准确率与成本上优于 GPT-5.4
拦截新闻消息，4 月 23 日——Perplexity 的研究团队发布了一篇技术文章，详细介绍了其用于 Web 搜索代理的后训练方法。该方案使用两个开源的 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，再进行在线强化学习 (RL) 以优化搜索准确性和工具使用效率。 强化学习阶段采用 GRPO 算法，包含两个数据来源：一个专有的多跳可验证问答数据集，该数据集由内部种子查询构建，要求进行 2–4 步推理，并通过多求解器进行验证；以及基于评分准则的通用对话数据，将部署需求转换为客观可检验的原子条件，以防止 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 (question-answer 匹配或所有评分准则均满足)，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级最优表现。在 FRAMES 上，它在单次工具调用下达到 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 (四次工具调用) 下，其准确率达到 73.9%，成本为每次查询 $0.02；相比之下，GPT-5.4 的准确率为 67.8%，每次查询 $0.085，Sonnet 4.6 的准确率为 62.4%，每次查询 $0.153。费用数据基于各提供方的公开 API 定价，并不包含缓存优化。
2026-03-21 00:19Cursor официально подтвердил, что Kimi K2.5 является основанием, Тёмная сторона Луны: это авторизованное коммерческое сотрудничество
Gate News Новости, 21 марта, по данным мониторинга 1M AI News, официальный аккаунт 月之暗面 @Kimi_Moonshot опубликовал сообщение с поздравлениями по поводу выпуска Composer 2 от Cursor и пояснил, что Cursor через платформу Fireworks AI,托管的 RL и推理平台, получил доступ к Kimi K2.5, что является лицензированным коммерческим сотрудничеством. Соучредитель Cursor Аман Сэнджер и вице-президент по образованию разработчиков Ли Робинсон затем публично подтвердили источник базы и раскрыли технические детали. Сэнджер отметил, что команда провела оценку нескольких баз, и Kimi K2.5 «оказалась самой сильной», после чего последовало продолжение предварительной тренировки и усиленного обучения в 4 раза большего масштаба с использованием мощных вычислительных ресурсов, а также развертывание через Fireworks AI для推理与 RL采样器. Робинсон добавил, что в итоговой модели вычислительные ресурсы из базы составляют около 1/4, остальные 3/4 — собственное обучение Cursor. Оба основателя признали, что при публикации блога не указали, что база Kimi «была ошибкой», и пообещали в следующем выпуске модели сразу указывать источник базы. Ранее Илон Маск в ответ на соответствующий обсуждающий пост написал «Yeah, it's Kimi 2.5», что дополнительно повысило интерес к теме.
2026-03-20 09:47Cursor Composer 2 обвиняют в использовании модели Kimi K2.5, компания Moonshot AI заявляет о нарушении лицензии
Новости Gate News, 20 марта, по данным мониторинга 1M AI News, разработчик @fynnso при отладке запросов Cursor API обнаружил, что фактический ID модели Composer 2 — kimi-k2p5-rl-0317-s515-fast, что буквально означает «Kimi K2.5 + RL». Руководитель по предобучению Moonshot AI,杜羽伦, сразу же написал в Твиттере, что после тестирования токенизатора Composer 2 команда обнаружила полное совпадение с нашим токенизатором Kimi, и практически можно подтвердить, что это результат дальнейшего дообучения нашей модели. Он прямо обратился к соучредителю Cursor Майклу Труэлю с вопросом: «Почему не уважают нашу лицензию и не платят никаких сборов?» Когда 19 марта Cursor выпустила Composer 2, они заявили, что улучшение производительности достигнуто за счет «продолжительного дообучения базовой модели и использования усиленного обучения», но при этом полностью не упомянули Kimi K2.5. Kimi K2.5 использует модифицированную лицензию MIT, которая прямо предусматривает, что коммерческие продукты с более чем 100 миллионами активных пользователей или более 20 миллионами долларов месячного дохода должны явно указывать в интерфейсе «Kimi K2.5». При оценке Cursor в 29,3 миллиарда долларов и масштабе платных пользователей, порог месячного дохода почти наверняка был превышен. На момент публикации Cursor не дал публичного комментария.
2026-02-12 14:21Gradient представила распределённую платформу для обучения с подкреплением Echo-2 и планирует запустить платформу RLaaS Logits
Foresight News сообщает, что распределенная AI-лаборатория Gradient выпустила Echo-2 — распределенную фреймворк для обучения с усилением, направленный на преодоление барьеров эффективности исследований и тренировки ИИ. Этот фреймворк реализует раздельное управление Learner и Actor на уровне архитектуры, что позволяет снизить затраты на последующую тренировку больших моделей. Согласно официальным данным, этот фреймворк может снизить стоимость последующей тренировки модели 30B с 4500 долларов до 425 долларов. Echo-2 использует технологию разделения вычислений и памяти для асинхронного обучения (Async RL), поддерживая перенос вычислительных ресурсов для выборки на нестабильные графические карты и на основе гетерогичных графических карт Parallax. В сочетании с технологиями, такими как ограниченная устаревание, отказоустойчивая диспетчеризация задач и собственный протокол связи Lattica, фреймворк повышает эффективность обучения при сохранении точности модели. Кроме того, Gradient планирует запустить платформу RLaaS (услуга обучения с усилением) Logits, которая уже доступна для предварительной записи студентов и исследователей.
2026-01-02 09:15Партнер Mechanism Capital: к 2026 году масштаб данных реального ИИ увеличится в 100 раз
PANews сообщил 2 января, что Эндрю Канг, партнер Mechanism Capital, опубликовал на платформе X, что в 2025 году сфера робототехники решит давние проблемы архитектуры моделей и обучения, а также добьётся значительного прогресса в технологиях сбора данных, понимании качества данных и формировании данных, что даёт компаниям искусственного интеллекта уверенность в том, что они в будущем начнут инвестировать в крупномасштабный сбор данных, а такие компании, как Figure, Dyna и PI, будут использовать обучение с подкреплением (RL) Инновационные технологии достигли успеха более 99% в различных практических сценариях. Кроме того, достижения в технологиях памяти разрушили «стену памяти»: ReMEmber от NVIDIA использует навигацию на основе памяти, Titan и MIRAS достигают памяти во время тестирования, а лучшие виртуальные модели позиционирования (VLM) позволяют виртуальным позиционируемым массивам (VLA) обладать лучшими возможностями пространственного понимания, а также процессами аннотирования и обработки данных, что значительно повышает пропускную способность. В 2025 году рынок изначально оценит zero-shot картирование возможностей, чувствительность к силе зрения и общее физическое рассуждение, вызванное масштабом данных, а масштаб физических данных ИИ увеличится в 100 раз в 2026 году.
