3月18日上午,曾经的全球互联网巨人雅虎正式宣布,将会关闭拥有300多名员工的雅虎北京全球研发中心(以下简称“雅虎北研”)。据内部员工透露,雅虎北研的一部分员工将会转移到美国总部继续进行研发工作,而离职的员工将会提供“N+4”补偿。
初听这件事情老冀感觉有点意外。在过去几年里,老冀不止一次参观过雅虎北研并且与雅虎北研总裁张晨进行过交流,感觉到这家研究机构的待遇很好,志气很高,定下来的四大研发方向(科学驱动的个性化、广告、移动和云计算)也很有前瞻性。
2013年7月,在雅虎北研的推动下,雅虎还收购了一家中国的创业公司智拓通达(北京)科技有限公司,其员工并入雅虎北研,以加强在大数据和移动方向的研发实力。
以此看起来,虽然雅虎的业务早就基本退出了中国市场,但是雅虎的研发在中国还是挺有想法的,怎么会说撤就撤了呢?
不过如果仔细研究一下雅虎美女CEO梅耶尔的一些做法,就会发现这么做也是在情理之中。
2013年2月,梅耶尔上任刚刚半年的时间,雅虎就颁布了新的办公制度,禁止员工在家办公。梅耶尔为什么会采取这么极端的做法呢?因为在此之前梅耶尔发现,即使在工作日的时候,雅虎总部的停车场上仍然是空荡荡的。为此她还专门查看了公司的虚拟专用网络(VPN)记录,发现很多在家办公的员工却并没有按时登陆。
于是梅耶尔果断做出了这样的决定。她认为,在家上班的效率并不高,一起办公更有利于增加团队的凝聚力和创新力,有利于产生新的创意。例如,雅虎2013年推出的天气预报应用,从原来的简单文本显示变成了高清图片,并根据地点、天气和时间的差异展示不同的照片。这款颇受好评的产品,正是两位工程师在办公室里一起想出来的。
其实也不仅仅是雅虎,很多互联网公司也是如此。梅耶尔曾经是谷歌的第20号员工,谷歌同样也非常强调面对面的交流,因此在美国之外的研发人员比例同样不高,相反却在总部所在的硅谷山景城大肆建设新的园区,扩充研发团队。
在此之前,雅虎在去年10月已经在印度裁员了400人,在英国也裁了不少人,主要都是针对产品和研发团队,并将在当地裁掉的一部分研发人员集中到美国总部,以利于提升研发效率,毕竟面对面的交流效率是任何通信工具都解决不了的,要不然现在通信这么发达了,各国的领导人仍然需要频繁出访以巩固外交关系。
我们看到,雅虎之所以将部分北研员工召回美国,也是为了集中力量搞好移动产品。通过多达40多起收购,加上对研发团队的重整,梅耶尔已经为雅虎制定了非常清晰的发展方向,那就是“移动先行”。
在今年2月召开的雅虎移动开发大会上,雅虎还发布了完整的移动开发工具套件,为移动开发者提供了一整套解决方案。
在移动领域,雅虎的野心绝不止做几款应用或把内容移植到移动端那么简单,而是完成了从既有的个性化平台和原生广告系统,到收购而来的数据分析利器Flurry和桌面应用Aviate的完整布局, 从而构建一个崭新的、充满想象力的生态系统。
梅耶尔的这些举措已经收到了初步的成效。前不久,雅虎发布了2014年财报。截至2014年12月底,雅虎的月活跃访问用户总数已经达到5.75亿,移动业务在第四季度的营收已达到2.54亿美元,比上一季度增长了23%。雅虎预计今年的移动总营收将会超过12亿美元。根据市场调研公司eMarketer的预计,雅虎将成为美国移动广告市场的季军,仅次于谷歌和Facebook。
从这个角度来看,雅虎关闭北研也就是情理之中了,这更有利于雅虎集中全球的研发力量,进一步攻打移动的高地。
前一段时间,雅虎北研总裁张晨还发表过《因移动而重生》的署名文章,他对中国移动互联网开发市场一直充满了信心。让我们大胆猜想一下,关闭了北研并收缩拳头的雅虎,会不会在未来的某个时刻,携带全新的移动产品重返中国?毕竟在互联网这个“十倍速”行业,一切皆有可能。
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。