
微软周四证实,根据此前宣布的全球1.8万裁员计划,公司计划在9月18日启动第二轮裁员行动,在全球范围内削减2100名员工。
微软一位发言人证实了2100名裁员计划,并指出此次裁员涉及747名华盛顿州的微软员工,其他裁员则来自微软全球其他地区。
正如此前传闻,今天宣布的裁员涉及微软多个团队,但微软发言人拒绝透露最新一轮裁员将首先影响哪一团队。
在今年7月份,微软宣布了这项裁员计划,并在当时裁减了1.3万名员工。周四宣布的第二轮裁员行动意味着,该公司仍将在2015年7月前,削减操作系统和几乎涉及其他所有集团的2900名员工。微软表示,作为调整计划的一部分,未来还将削减20%的非全职员工。
截至2014年7月中旬,微软拥有超过12.5万名全职员工,这一数字包括作为收购诺基亚的一部分、带来的25000名员工。
微软表示,由于裁员,未来四个季度内公司将为遣散费和相关福利成本支出11-16亿美元的税前支出。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。