Snapchat团队刚刚加入了一位新成员,而他有可能成为该团队的一位重要成员。
伊姆兰·汗(Imran Khan)此前为瑞士信贷集团网上银行部门主管,如今他被任命为Snapchat第一位首席战略官,并直接向该公司首席执行官埃文·斯皮格(Evan Spiegel)汇报工作,而Snapchat于当地时间本周一向《华尔街日报》证实了这一消息。
作为一个以阅后即焚为特色的照片分享应用,对Snapchat而言,伊姆兰·汗的加入是一个重大的胜利,而他将成为该社交应用的一个重要参与者并推动该公司的发展。
Snapchat由埃文·斯皮格、雷吉·布朗(Reggie Brown)和鲍比·莫非(Bobby Murphy)创立于2011年。起初,该移动应用仅仅是在用户照片发送后会在接收方查阅十秒内自毁的一种方式。不久之后,该应用开始风靡,截至2014年5月,Snapchat报道称,每天有7亿照片和视频正在被发送。
这样的增长以及Snapchat每月1亿以上的活跃用户,推动着该公司的价值在过去三年内飙升。今年8月,在收到来自克莱纳·帕金斯风投公司(Kleiner Perkins)的一位匿名风投家的投资后,Snapchat的估值已大约有100亿美元。
但随着挑战的与日俱增,Snapchat现在需要一位经验丰富的伙伴来帮助仅24岁的年轻斯皮格运营其日益复杂的公司。此外,这些经验丰富的高管还有助于推动该公司获得更为可观的收入。
伊姆兰·汗在与互联网公司合作方面可谓经验丰富,他曾参与过一些知名企业的首次公开募股(IPO)公司,其中包括中国的微博和阿里巴巴。如果Snapchat决定上市的话,伊姆兰·汗或将在该公司起到至关重要的作用。
据《华尔街日报》报道,继Snapchat聘任前Facebook高管艾米丽·怀特(Emily White)担任首席运营官后,伊姆兰·汗的加入仅仅是个开始。有新闻媒体的消息称,Snapchat目前正寻求一位首席财务官。
Snapchat未就此置评。
好文章,需要你的鼓励
这项研究探索了如何通过"LLM情境调节"和"持续工作流程提示"技术来提高大型语言模型在验证化学分子式时的准确性。研究者发现,普通提示方法往往不可靠,因为LLM倾向于自动"纠正"错误而非指出它们。然而,通过精心设计的情境调节提示,研究成功引导Gemini 2.5 Pro不仅识别出文本中的错误,还发现了之前人工审阅未察觉的图像中的分子式错误。这一概念验证研究表明,即使不修改模型本身,也能通过适当的提示策略显著提高LLM在科学技术文档细节验证中的表现。
复旦大学研究团队开发的uLLSAM模型成功将多模态大语言模型(MLLMs)与分割一切模型(SAM)结合,解决了显微镜图像分析的跨域泛化难题。通过创新的视觉-语言语义对齐模块(VLSA)和语义边界正则化(SBR)技术,该模型在9个领域内数据集上提升了7.71%的分割准确度,在10个从未见过的数据集上也展现了10.08%的性能提升。这一统一框架能同时处理光学和电子显微镜图像,大大提高了生物医学图像分析的效率和准确性,为科研人员提供了强大的自动化分析工具。
斯坦福大学等机构研究团队利用强化学习训练大语言模型,使其能够优化汇编代码性能。研究构建了8,072个程序的数据集,并通过近端策略优化(PPO)训练模型生成既正确又高效的汇编代码。实验表明,训练后的Qwen2.5-Coder-7B-PPO模型实现了96.0%的测试通过率和1.47倍平均加速比,超越包括Claude-3.7-sonnet在内的所有其他模型。研究发现模型能识别编译器忽略的优化机会,如用单一指令替代整个循环,为性能敏感应用提供了有价值的优化途径。
这项研究提出了一种改进的声乐效果风格迁移方法,通过在推理时间优化过程中引入高斯先验知识,解决了传统ST-ITO方法忽视参数合理性的问题。研究团队基于DiffVox数据集构建了专业效果器参数分布模型,将风格迁移转化为最大后验概率估计问题。实验结果表明,该方法显著优于基准方法,参数均方误差降低了33%,并在主观听感测试中获得最高评分。这一创新为音频处理领域融合数据驱动和专业知识提供了新思路。