微软公司日前作出决定,计划对两年前所收购的企业社交网络服务商Yammer进行调整,将后者员工整体并入到旗下Office 365研发团队。
2012年6月,微软宣布以12亿美元收购了Yammer。当时微软承诺允许Yammer继续独立运营。
Yammer联合创始人大卫·萨克斯(David Sacks)周四在Twitter上透露,自己将离开微软和Yammer。他称,“感谢所有同事,感谢大家六年来的共事。我期待着新的挑战之旅!”此前,萨克斯曾在PayPal公司担任COO。
微软此前曾谋划将Yammer的社交功能集成到包括Office 365和SharePoint在内的产品上来,其实这也是微软收购Yammer的初衷。一年前,微软在雷德蒙德创建了一个“Yammer北部”团队,并向该团队注入了一些微软的处置程序和思维。
原本以为“Yammer北部”团队将在合适时候回归Yammer,却未曾料到Yammer团队被微软整体合并。据悉,Yammer团队将整体并入由微软企业副总裁拉杰什·杰哈(Rajesh Jha)领导的Office 365和Outlook开发团队,而该团队仍将在旧金山开展研发工作。
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。