今天,CA Technologies宣布任命陈光明(Kwang-meng Tan)为中国区总经理,他将于2014年4月1日履新,接替原中国区总经理孙志伟的职务。
CA Technologies中国区总经理陈光明
作为中国区总经理,陈光明将负责促进CA Technologies在中国地区的销售,建立公司合作伙伴生态系统,发展新业务,并管理公司在中国的整体运营。陈光明将直接向亚太及日本地区总裁兼总经理Kenneth Arredondo汇报。
陈光明现为CA Technologies亚太及日本地区渠道及联盟副总裁,拥有超过25年的IT行业从业经验。陈光明曾供职于惠普公司,并在Sun Microsystems担任多个销售和高级领导职位。
Arredondo表示:“陈光明自2010年11月加入CA Technologies以来,在亚太及日本地区逐步建立起了合作伙伴生态系统,并推出多种举措,有效推动合作伙伴招募,提升了整个地区合作伙伴的参与性。中国是CA Technologies的关键市场,在与中国客户和合作伙伴的合作方面,陈光明拥有丰富经验。我相信他能够带领团队为我们的客户创造更多价值,并进一步领导公司成为IT管理领域可信赖的顾问。”
陈光明表示:“CA Technologies十分重视中国市场,我可以看到公司的成长潜力。我们有能力帮助中国企业客户更好地管理及保护他们的IT资产。我对于即将接任中国区总经理一职感到十分期待,我会带领团队为客户及合作伙伴带来更多价值和创新,共赢未来。”
陈光明拥有澳大利亚墨尔本莫纳什大学计算机科学荣誉学士学位,并曾获得圣地亚哥加利福尼亚大学交换学生奖学金。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。