
牢记使命,勇敢前行——京东12周年寄语
亲爱的兄弟们:
今天是618,也是京东12周年的生日。每一年,我们的生日都是在灯火通明中迎来,在通宵达旦中度过,在仓库、在配送站、在城市的大街小巷,兄弟们或汗流浃背,或风尘仆仆,正是你们这些年的坚守和付出,才为京东赢得了今天的尊重和成就。
这12年正好是中国传统经济向互联网经济转型的一个时代更替。京东的发展离不开这次互联网浪潮带来的历史机遇,但回归个体,我们更需要感谢的是这些年来我们所经历的波折和坎坷,这些艰辛让我们学会了把握机会,学会了珍惜资源,也学会了审慎和反思。站在12年的关口,我也想借此机会,和大家再次回顾一下一直以来支持京东走到今天的力量是什么:
1、 不忘初心。
京东是为创造价值而生的企业。从创业第一天起,我们做任何事情,都不会考虑这件事是不是苦、是不是累、是不是利润少。无论是自建物流,还是农村电商,还是O2O,进入每一个领域之前我们都会问自己三个问题:这件事有没有改善用户体验、有没有提升产业效率、有没有降低社会成本?如果答案是肯定的,那就做!请大家牢记,京东的现在和未来一定取决于我们在产业链当中的价值贡献。
2、 坚持信仰。
“诚信”是京东的企业信仰。我们没有背景、没有资源,完全依靠兄弟们白手起家一路走来,诚信是京东唯一的立足之本。虽然总有人不断的试图从道德上击垮我们,从根基上动摇我们,但我们一次又一次的用实际行动证明了京东赚的每一分钱都是干净的!坚持恪守诚信的企业价值观使我们持续赢得了尊重。
3、 放下骄傲。
京东发展的历史是战斗拼搏的历史。由于客观原因,我们每一项业务起步的时候都不是第一的业务,但我们硬是凭借超强的执行力和创业精神创造了一个又一个第一。现在公司做大了,则更需要我们保持英雄本色,放下骄傲、心怀敬畏,依靠组织的灵活变革和制度的有效保障,传承创业时期的敏锐、执行和激情,这是我们的核心竞争力。
4、 以人为本。
在京东的倒三角管理模型中,团队永远都是我们发展的基石。过去,我和管理团队花了大量的时间在人才的培养和梯队建设上,无论是内部人才培养计划、管培生计划还是国际管培生计划,几年来,京东孕育出来的大量优秀人才已经走到一线挑起大梁,撑起了京东未来发展的大帆。努力为有梦想的京东人提供更多机会和更大舞台也是京东得以不断超越自己的秘诀。
兄弟们,12年的时间公司从一个小柜台变成了服务上亿中国人的大型企业,团队从几十个人变成了几万人,销售额从几百万变成了几千亿。我们成长了,但我们的核心使命和精神永远没有改变。未来我们的困难和挑战要远比前12年来的更多,让我们心怀激情、牢记使命、勇敢前行。下一个12年,让世界看到一个更加强大、更加努力,更受尊敬的京东!
你们的刘强东
2015年6月18日
以下为京东目前的销售情况。截至今天上午12点的下单量同比去年6月18日增长近两倍,截至13:33分下单量已超过14年6月18日全天,其中移动端订单占比超过50%。
蓝月亮洗衣液狂销超101万瓶,维达抽纸销售超100万包,卷纸销售超150万卷,熙洛儿童毯售出超7万件。闪购的限时特卖秒杀活动也受到消费者追捧,四个小时售出熙洛夏凉被5.4万条。
6月18日0点~0:30分,销售超过6万台电视,平均每秒销售超过30台。
德国进口牛奶 欧德堡(Oldenburger)1L装卖出近15万盒,美孚(Mobil)金装美孚1号全合成机油销售过14000瓶;雅培(Abbott)亲体 金装喜康力较大婴儿配方奶粉售出超13000桶。
金士顿32GB TF卡销售超过4.4万个,腾达300M无线路由器销售超过1.5万个,小米手环表现突出,下单量超36000单。
魅族魅蓝note2表现突出,目前在手机销售中位居第一。MATE 遥控线控手机自拍杆下单量超过42000单,iPhone 6 16G 金色下单量超过25000单。
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。