據(jù)BI中文站報(bào)道,接近當(dāng)事人的消息人士稱,負(fù)責(zé)雅虎主頁(yè)和垂直產(chǎn)品的高級(jí)副總裁麥克•科恩斯(Mike Kerns)已經(jīng)離職。有消息稱是因?yàn)殡p方發(fā)生分歧導(dǎo)致關(guān)系惡化。
科恩斯在上周五發(fā)表twitter,科恩斯寫道:“過去的五年時(shí)光令人享受,學(xué)到很多,遇見或同一些偉大的人共事。這對(duì)我有積極的影響,我迫不及待想開啟下一個(gè)階段。”
科恩斯負(fù)責(zé)了雅虎網(wǎng)站主頁(yè)在2012年和2013年的改版工作。科恩斯曾創(chuàng)辦體育網(wǎng)站Citizen Sports,該網(wǎng)站于2010年被雅虎收購(gòu)后,科恩斯隨之加入公司??贫魉乖?013年8月,也就是梅耶爾出任CEO一年之后,被晉升為高級(jí)副總裁,負(fù)責(zé)視頻產(chǎn)品、新聞報(bào)道以及其他媒體產(chǎn)品。
消息稱,近來幾個(gè)月,梅耶爾與科恩斯的關(guān)系開始惡化。本周早些時(shí)候,有報(bào)道稱梅耶爾對(duì)公司高層進(jìn)行重組,將科恩斯大部分權(quán)力分流給了西蒙•卡拉夫(Simon Khalaf),后者曾是移動(dòng)應(yīng)用分析工具Flurry的CEO,該公司在去年被雅虎收購(gòu)。
據(jù)雅虎內(nèi)部的消息人士稱,在2014年第二季度,科恩斯被委任負(fù)責(zé)研發(fā)一款訂閱視頻業(yè)務(wù)。分析認(rèn)為,科恩斯“失寵”的原因在于其沒有將這項(xiàng)任務(wù)執(zhí)行好。此外,科恩斯還與梅耶爾在輕博客Tumblr的廣告運(yùn)行上存在分歧。
消息人士還表示,科恩斯對(duì)于梅耶爾執(zhí)掌雅虎的方式也不是一直持肯定態(tài)度。之前,梅耶爾提出了一個(gè)名為“CEO Challenge”的計(jì)劃,該計(jì)劃鼓勵(lì)那些提出新產(chǎn)品概念的團(tuán)隊(duì),并給予一定的現(xiàn)金獎(jiǎng)勵(lì),但梅耶爾希望員工在做好自己本職工作后才去進(jìn)行這樣的開創(chuàng)性工作。這一做法令科恩斯頗有微詞。
雅虎發(fā)言人稱,麥克•科恩斯已經(jīng)決定重返創(chuàng)業(yè)之路,但本月仍留在雅虎,以確保公司的相關(guān)業(yè)務(wù)有一個(gè)順利的交接。
好文章,需要你的鼓勵(lì)
新加坡國(guó)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(jiǎn)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。