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
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。