野村证券分析师里克·谢伦德(Rick Sherlund)表示,微软7月22日发布财报时,可能会宣布裁减相当于全体员工5%-10%的裁员计划。
微软尚未披露未来裁员计划的细节,但数周来有关微软裁员的传言却一直甚嚣尘上。微软CEO萨蒂亚·纳德拉(Satya Nadella)当地时间周四向员工发布的一封备忘录称:公司将有重大变动,似乎证实了这一消息。
微软可能的裁员将尤其会影响到诺基亚的约2.5万名员工。
在备忘录中,纳德拉重点强调了恢复公司创新、加速决策过程。谢伦德在报告中称,“纳德拉向所有人都强调,他要对公司的组织进行改革,减少管理层级,提高责任心,刺激创新。”
谢伦德估计,通过把诺基亚员工裁减25%,微软每年可以把成本削减约10亿美元(约合人民币61.5亿元)。
纳德拉在备忘录中承诺将提高微软的灵活性,表示他有意“简化工程过程,减少完成任务所需要的时间和精力。参与决策的人会更少,更强调责任与权利的统一”。
微软没有就谢伦德的报告发表评论。
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。