韬蕴资本回应乐视控股声明:贾跃亭躲在豪宅 拒收文书

韬蕴资本回应乐视控股声明:贾跃亭躲在豪宅 拒收文书

雷帝网 乐天 12月18日报道

乐视控股创始人贾跃亭曾经的盟友,易到当前的实际控制人韬蕴资本今日发布声明,称加州法院经过审理下发临时限制令(TRO),已冻结Faraday Future (FF)中贾跃亭持有的33%股权及贾跃亭加州的四处房产。

“我们加州律师事务所律师每天准时两次上门送达,目前贾跃亭躲在自己豪宅中大门紧闭,拒绝接受任何文书,门禁电话打通即挂断。FF公司前门、后门均紧闭,不接收任何文书。”

韬蕴资本称,乐视控股及贾跃亭在交易文件中明确承诺当时的易到债务规模是23亿,但韬蕴资本入主易到过程中陆续发现这个债务规模在50亿左右。

对于“乐视控股债务处理小组”声明的声明

今日,一封署名为“乐视控股债务处理小组”发布的《有关韬蕴资本与乐视控股经济纠纷的严正声明》,全文颠倒黑白、荒谬透顶,充斥着谎言与恶意,与乐视过去数年间对我司及众多投资机构所做的事情如出一辙。

1、乐视声明中称,“乐视控股债务处理小组及债务主体担保人贾跃亭并未收到任何来自美国法院关于韬蕴资本的债务诉讼或相关裁决”。贾先生不要再玩文字游戏了,正面面对问题吧!是不是欠了这些债?是不是BVI、加州的股份被冻结了?

2018年12月13日,加州法院经过审理下发临时限制令(TRO),冻结Faraday Future (FF)中贾跃亭持有的33%股权及贾跃亭加州的四处房产。

依照美国联邦法院《联邦民事诉讼规则》第4条的基本原则,我们的加州律师事务所律师每天准时两次上门送达,目前贾跃亭躲在自己豪宅中大门紧闭,拒绝接受任何文书,门禁电话打通即挂断。与此同时FF公司的前门、后门均紧闭,不接收任何文书。大概这就是乐视和贾先生所说的“未收到”吧?

关于BVI法院的诉讼和执行情况。2018年12月6日由法院书面签发了相应裁定。法院要求贾跃亭、FF Peak以及FF Top,在没有取得韬蕴资本书面事先同意的情况下,不得以任何方式转让、减损、处置、设置抵押权于其股权和资产之上。

任何机构,包括BVI、开曼代理注册机构,在明知法院禁令的情况下协助贾跃亭转股,即触犯了藐视法院判决并将可能承担法律责任。2018年12月6日,上述裁定由FF Peak以及FF Top的代理人签收,裁定已经正式送达生效。

2、乐视声明中称,我司收购易到期间,未向乐视支付款项。为什么没完成抵债协议你自己心里还没点×数么?债务规模扩大的锅就甩了?易到广大司机的欠款韬蕴就要不明不白地帮你填了?

在双方的交易文件中,这是一次承债式交易,乐视控股及贾跃亭在交易文件中明确承诺当时的易到债务规模是23亿,韬蕴资本入主易到过程中陆续发现这个债务规模在50亿左右。23亿变成50亿,到底是谁在欺诈?

3、乐视声明中称,我司温晓东先生在收购易到期间“有涉嫌欺诈嫌疑行为”、“个人言论更涉嫌造谣诽谤”,却都言之不明,一笔带过,这种表述逻辑完全不正常,但却很乐视。我司很期待乐视对上述表述的前因后果进行详细介绍,并随时准备打脸。

乐视表示“已准备向法院提起诉讼”、“保留对其个人诉讼的权利”。如果温晓东先生或韬蕴在和乐视的任何交易涉及到任何不法行为,欢迎诉讼,不用保留!

4、该声明的发布者“乐视债务处理小组”这到底是个什么样的存在?是一个什么组织,乐视债务处理小组成立这么久,到目前为止处理了什么债务吗?我们检索了一下,没有看到哪个债权人说债务通过这个小组得到了解决,建议更名为“乐视债务处理媒体发布小组”更为妥帖。

5、最后,送给乐视和贾先生几句话:

“严重损害了贾跃亭先生本人及公司的声誉”?难道您还有个人声誉么?难道不是自绝于中华么?之所以之前不动,是我们还希望给你机会踏实做事。但301后一切都变了,我们不会等天收你,我们其实就行!谢谢!

PS:按照一般的辟谣声明的写法,应该写点诸如“该文流传广泛,已严重侵害了我公司形象,诋毁我公司管理人员名誉,破坏了正常的市场秩序”之类的话,但本文没写,毕竟你们现在说的话,哪还有人会信。

韬蕴资本集团

乐视债权处理小组

2018年12月18日

—————————————————

雷帝触网由资深媒体人雷建平创办,为头条签约作者,若转载请写明来源。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值