
当地时间周三,微软宣布新一轮裁员,作为微软今年7月宣布全球1.8万名裁员计划的一部分,此次裁员涉及大约3000名员工,据悉,这3000名员工多来自微软的人力资源、财务、销售、市场营销和IT部门。
微软公司一位发言人表示:“按照今年7月份的裁员计划,今天公司宣布实施裁员。此次裁员计划分布在不同业务部门和多个不同国家市场。”今年7月,微软宣布了全球1.8万名裁员计划,其中12500名裁员来自微软所收购的诺基亚手机和服务业务。
在7月份的首轮裁员中,微软削减了近13000名员工,包括部分诺基亚前员工,还涉及微软操作系统以及几乎其他所有业务。今年9月,微软进行了第二轮裁员,共削减了大约2100名员工。
预计微软的最后一轮裁员将在明年年初展开,基于微软已经削减了近1.8万名员工,所以最后一轮的裁员数量将十分有限。
截至2014年7月中旬,微软拥有12.5万名全职员工工资,这一数字包括收购诺基亚业务所带来的2.5万名员工。
微软表示,由于裁员所需遣散费和相关福利成本,公司将额外增加11-16亿美元的税前支出。
微软上一次大规模裁员发生在2009年,当时微软在两轮裁员中共削减了5800个管理职位。当时微软首席执行官史蒂夫·鲍尔默(Steve Ballmer)将2009年的裁员归因于“应对全球经济低迷。”
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。