Classiq Technologies Ltd. 是一家初创企业,致力于开发编写量子计算机算法所需的软件。该公司今日宣布,在一轮 C 轮融资中筹集了 1.1 亿美元。
据称,这一轮融资是迄今为止量子软件公司获得的最大一笔融资。此次融资由 Entrée Capital 领投,Norwest、NightDragon、Hamilton Lane、Clal、Neva SGR、Phoenix、Team8、IN Venture、Wing、HSBC、Samsung Next 以及 QBeat 等机构也参与投资,使得该初创公司的累计融资总额达到 1.73 亿美元。
Classiq 开发了一个平台,帮助开发者在无需掌握量子计算复杂原理的前提下编写量子计算机应用程序。该平台能够帮助企业创造出高度复杂且经过优化、能够感知硬件特性的量子电路和算法,而这些往往是开发者难以独立编写的。借助这一平台,用户还可以定制适合不同负载的算法,涉及量子优化、金融、化学以及机器学习等领域。
该初创企业正面对一个现实:量子计算与传统计算完全不同。这些仍处于研发阶段的未来计算机依靠量子力学特性,有望执行远超传统计算机的复杂运算。而全新硬件的推出,也带来了对新型软件算法的需求。
Classiq 联合创始人兼首席执行官 Nir Minerbi ( pictured, right, alongside co-founders Yehuda and Amir Naveh ) 将公司比作“量子计算的 Microsoft”,并表示其正在交付创建真实世界量子应用所必需的“核心软件堆栈”。
公司称,其平台具备加速新用户上手的优势,使开发者和数据科学家能够比以往更快掌握量子计算技术。
该平台还支持与硬件无关的开发,用户只需编写一次量子应用程序,即可在 Amazon Braket、Microsoft Azure Quantum 和 Google Cloud 等基于云的量子服务上运行。此外,该平台已与 IBM Corp.、IonQ Inc.、Rigetti Computing Inc. 和 Alice & Bob SAS 等公司的量子硬件和服务完成进一步整合。
Classiq 表示,其平台已经引起了极大关注,“数十家”企业和“数百所”学术机构正在使用其工具探索量子计算。在过去一年中,其客户群体和收入均实现了三倍增长。
该公司的知名客户包括大型银行 Citigroup Corp. 以及科技咨询公司 Deloitte Touche Ltd.,而汽车制造商 BMW AG 和 Rolls-Royce Motor Cars Ltd. 也在利用该平台进行研究。此外,Classiq 还提到了 Microsoft Corp.、Amazon Web Services Inc. 和 Nvidia Corp. 作为合作伙伴。
Entrée Capital 管理合伙人 Avi Eyal 表示,这些合作关系展示了 Classiq 已成为量子软件领域的“明确领导者”,旨在构建适用于所有量子计算机的操作系统和编译器。
拥有超过 60 项与核心量子建模和编译技术相关专利的该初创企业表示,此次融资将用于扩大其市场推广、客户成功及研发团队。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。