Snapchat團(tuán)隊(duì)剛剛加入了一位新成員,而他有可能成為該團(tuán)隊(duì)的一位重要成員。
伊姆蘭·汗(Imran Khan)此前為瑞士信貸集團(tuán)網(wǎng)上銀行部門主管,如今他被任命為Snapchat第一位首席戰(zhàn)略官,并直接向該公司首席執(zhí)行官埃文·斯皮格(Evan Spiegel)匯報(bào)工作,而Snapchat于當(dāng)?shù)貢r(shí)間本周一向《華爾街日?qǐng)?bào)》證實(shí)了這一消息。
作為一個(gè)以閱后即焚為特色的照片分享應(yīng)用,對(duì)Snapchat而言,伊姆蘭·汗的加入是一個(gè)重大的勝利,而他將成為該社交應(yīng)用的一個(gè)重要參與者并推動(dòng)該公司的發(fā)展。
Snapchat由埃文·斯皮格、雷吉·布朗(Reggie Brown)和鮑比·莫非(Bobby Murphy)創(chuàng)立于2011年。起初,該移動(dòng)應(yīng)用僅僅是在用戶照片發(fā)送后會(huì)在接收方查閱十秒內(nèi)自毀的一種方式。不久之后,該應(yīng)用開始風(fēng)靡,截至2014年5月,Snapchat報(bào)道稱,每天有7億照片和視頻正在被發(fā)送。
這樣的增長以及Snapchat每月1億以上的活躍用戶,推動(dòng)著該公司的價(jià)值在過去三年內(nèi)飆升。今年8月,在收到來自克萊納·帕金斯風(fēng)投公司(Kleiner Perkins)的一位匿名風(fēng)投家的投資后,Snapchat的估值已大約有100億美元。
但隨著挑戰(zhàn)的與日俱增,Snapchat現(xiàn)在需要一位經(jīng)驗(yàn)豐富的伙伴來幫助僅24歲的年輕斯皮格運(yùn)營其日益復(fù)雜的公司。此外,這些經(jīng)驗(yàn)豐富的高管還有助于推動(dòng)該公司獲得更為可觀的收入。
伊姆蘭·汗在與互聯(lián)網(wǎng)公司合作方面可謂經(jīng)驗(yàn)豐富,他曾參與過一些知名企業(yè)的首次公開募股(IPO)公司,其中包括中國的微博和阿里巴巴。如果Snapchat決定上市的話,伊姆蘭·汗或?qū)⒃谠摴酒鸬街陵P(guān)重要的作用。
據(jù)《華爾街日?qǐng)?bào)》報(bào)道,繼Snapchat聘任前Facebook高管艾米麗·懷特(Emily White)擔(dān)任首席運(yùn)營官后,伊姆蘭·汗的加入僅僅是個(gè)開始。有新聞媒體的消息稱,Snapchat目前正尋求一位首席財(cái)務(wù)官。
Snapchat未就此置評(píng)。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。