据悉,在此前报道称耐克公司将大幅削减FuelBand硬件团队后,包括Nest、Oculus、英特尔和微软等打算在可穿戴技术领域大有作为的知名公司,甚至是苹果公司,纷纷竞相争夺耐克FuelBand项目工程师。
援引熟悉内情人士消息,耐克已经解雇了其可穿戴硬件团队的多数成员:在70名员工当中裁了55人。耐克CEO马克·帕克(Mark Parker)上周证实,耐克在该可穿戴领域的重心正转向软件。上述FuelBand被裁员工将继续在留职到耐克本财政年度结束——5月底。
今年1月份已被谷歌以32亿美元收购的智能家居公司——Nest,成为最早向耐克被裁员工发出雇佣信号的公司之一。据称,Nest公司已派人员前往耐克位于俄勒冈州比佛顿总部,在当地展开“即兴面试”。而据知情人士透露,微软、英特尔和虚拟现实技术公司Oculus VR也在向FuelBand硬件团队成员抛出橄榄枝。
而苹果的HR也参与了其中的招聘。据悉,苹果早在耐克2011年开始开发FuelBand的时候,就与耐克数字体育团队展开合作。不过目前尚不清楚耐克在苹果潜在的可穿戴项目中扮演什么角色,因此苹果的挖角行动还无法确定,尽管耐克CEO曾暗示双方已建立了一个合作伙伴关系。
耐克CEO马克·帕克上周表示,“我会说,耐克和苹果之间的关系将会继续,我个人及耐克整个团队,对此都非常兴奋。”但消息人士称,这尚无法确定苹果招聘FuelBand团队离职成员的节奏已经走上了快车道。
上述公司紧盯FuelBand项目解聘工程师,它们希望从这些工程师身上获得什么?
在被Facebook斥资20亿美元收购后,Oculus资金充裕,急于扩张。试图不久后推出消费级虚拟现实设备,而耐克拥有多年可穿戴硬件开发经验的工程师,将帮助Oculus加速这一进程。
Nest在被谷歌收购之后,不仅将负责智能家居设备开发,传闻称将与谷歌平板电脑、智能手机甚至是可穿戴产品的开发。
而英特尔有兴趣获得FuelBand成员也不无道理。该公司一直在大力投资可穿戴业务,其已完成了数笔重要收购,包括3月份收购智能手表公司Basis Science。此外,英特尔在去年也领投了谷歌眼镜竞争对手Recon Instruments和臂环厂商Thalmic Labs的融资,同时,英特尔还在自我设计用于可穿戴设备的“夸克”芯片。
在今年1月份的消费电子展上,英特尔首席执行官布莱恩·科兹安尼克(Brian Krzanich)表示,该公司的可穿戴项目已经实施了六个月时间,包括智能手表、耳塞和一个内置的心率监视器,预计这些产品将在今年交付。
尽管微软尚未正式进入可穿戴市场,但一直在进行相关实验研究,而且很快将有重大动作宣布。去年10月,有报道称Xbox孵化项目主管亚历克斯·基普曼(Alex Kipman)开始供职微软“新设备”部门,据称该部门的研发对象包括Kinect Glasses智能眼镜在内的可穿戴产品。去年12月,有报道称基普曼在针对眼罩、智能手表等设备的小屏幕优化Windows系统。
微软在可穿戴设备市场的最新举措是斥资1.5亿美元,收购了军用可穿戴设备厂商Osterhout Design集团的知识产权资产。如此看来,网罗可穿戴技术工程师,实为微软为进军可穿戴技术领域打前战。
耐克放弃可穿戴技术硬件业务、转至软件,对于这些解雇的但拥有丰富经验的工程师而言,他们将能够继续在其他公司推动可穿戴设备技术向前发展。对于耐克FualBand团队的员工,以及他们即将面临的新公司而言,双方实现了双赢。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。