从9月11日起至今,位于Jundiaí的富士康巴西工厂的员工开始罢工,目的是为争取增加薪资和改善工作条件。
这家富士康巴西工厂目前有员工3700多名,自2012年与该工厂签订劳动合同后,他们的薪资水平一直保持原地踏步。
据圣保罗金属行业工会的消息称,这家富士康工厂的员工在拒绝了厂方提出的一项不合理方案后,开始了罢工活动。除去富士康在中国大陆的工厂外,这家位于巴西的工厂是唯一向苹果代工iPhone和iPad的工厂。
工会负责人埃万德罗·桑托斯(Evandro Santos)表示:“(富士康)需要向员工提供一个说明,使这些员工在一开始工作时,就清楚知道未来的职业发展规划。”
“当前这里工人罢工、生产停顿。我们希望员工工作被认可,受到尊重。当然,我们不希望眼前的事情发生。”桑托斯补充道。
在不到两年时间内,富士康巴西工厂以同样理由进行的第二次工人罢工。2013年2月,富士康巴西工厂工人曾举行大规模罢工,要求工厂在规定期限内提高员工待遇等一系列问题。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。