“我如果回美国,会饿死的,中国菜太好吃了!”说这句话的时候,他耸肩摊手皱眉,一副标准的美国人动作。“我喜欢吃辣的,川菜、湖南菜都很不错,但是广东菜我不是很喜欢,味道比较淡。我还喜欢新疆菜,驴肉火烧,我也是在中国第一次吃驴肉,味道太好了,煎饼啊、麻辣香锅等都特别好,现在回国去都不知道吃什么!”
他叫Nathaniel,美国人,2008奥运之年来到中国。今年7月底的最后一天,我们采访了他。
那是一个酷热的下午,从地铁北新桥站步行到450米外的科林大厦,我充分体会到了汗出如浆的感觉。不过坐定后却感觉很难想象:在这个青砖绿阶有胡同,沿街餐馆林立,随处可见老人在门口休憩的北京美食中心簋街旁,竟然隐藏着一个互联网创业中心——科技寺。
“原本我只是来北大学习中文4个月,然后回美国工作,后来觉得应该学一些与自己本科专业计算机相关的课,于是就继续去清华进修,我找到了一个很好的导师教授计算机科学相关理论,包括数学和算法、计算复杂性等。”就是在清华学习期间,Nathaniel也没闲着,一直在在谷歌中国研究院做技术兼职工作。随后。去了一家叫Grata的公司实习。按照计划,拿到清华硕士毕业证后,Nathaniel就该回国了。这时候一个叫David的朋友影响了他的选择。
David问他有没有兴趣去一个能够自由自在做技术的公司,同时其他的朋友也提到了这家公司,Nathaniel觉得可以试试,经过几轮严格的面试后,Nathaniel来到了这家公司——“光音网络”。
“这家公司很开放,员工们的交流也很多,而且这家公司的中国同事也很特别,他们也都非常聪明,思想也很自由,员工之间很平等。尤其是,我们的考核方式采用了OKR,相比量化的KPI在执行起来更加自由,不过并不是所有的公司都适合KPI”。谈起光音网络,Nathaniel总是兴致勃勃。据了解,OKR是一种很灵活的工作方式,而且也更注重团队协作,所有人一起制定,并不是领导制定目标。KPI更适合稳定的公司,相对于互联网行业的创业公司来说,OKR制度则显得更为合理一点。KPI制定目标如果没有100%实现,那么你是失败的。
Nathaniel在公司主要负责广告家Pro.cn营销平台的技术,这是一个能够实现广告的精准和智能投放的平台。他认为,每个人每天都会面对许多的广告,但每个人的喜好和关注点不同,因此传统的铺盖式的广告投放不仅投入大,而且还达不到一个很好的效果,所以他们在做的就是在依托大数据的前提下,了解每一位用户不同的兴趣和习惯,以实现智能的精准投放。
Nathaniel对于新鲜的技术产品都有着强烈的好奇,不但爱把玩各种智能硬件,对于音乐、表演、主持更是非常喜欢。他说,现在还在学习中国的传统乐器古筝,因为他觉得这个声音实在是太美了,“我喜欢音乐所以我弹尤克里里,最近也开始学古筝,有个室友弹古筝弹得非常好。对于数学我也很感兴趣,所以平时我会做一些小项目,今年我做了一个关于光的项目,完成了一个光的艺术。”
问起平时会用哪些中国的APP?Nathaniel说起来如数家珍:“我平时用的APP比较多,支付宝也非常方便,不仅不需要总跑银行,而且平时消费也可以直接用。手机淘宝也非常好,可以买到各种各样的东西,百度云也是我很喜欢用的软件。我觉得小米也比较不错,我自己也用了很多小米的东西。不贵,但是很好用。"哦,对还有微信。”Nathaniel闭上眼睛摇了摇头,一副难以描述的表情说,这(微信)简直就是一个新的网络世界。
Nathaniel觉得中国的互联网文化非常有意思,比如此前网络热词——神兽“草泥马”,这可能是汉语独特的语言环境而创造出的特有网络文化吧。Nathaniel说,“中国是一个文化氛围很独特的国家,近几十年飞速的发展所带来的开放的思想,与悠久的历史所带来的传统的思想一直冲击着、并存着,这是在其他国家很难看到的现象,而这也展现出了中国最具特色的魅力。”不过他也抱怨,与美国相比,“中国的网速太慢了”。
Nathaniel感觉中国的警察很好。他说,在美国平时是不能随便找警察的,也不可以随便跟警察打招呼,而一旦警察来找你,那么不是接受审查就是报警。而相比之下,中国的警察就非常乐意帮助人,“你可以找警察问路,或者遇到其他困难时也可以找警察,而他们也会很乐意帮你解决这些问题。总结起来就是,中国的警察确实是人民警察。”
关于《IT老外在中国》
这是一档描写人物的栏目,IT、老外与中国这三个元素缺一不可。
我们认为,这个世界终究是人的世界,所有的创造都与人有关,恰恰这个时候我们发现一大拨“洋IT人士”正在中国进行创造性的工作,这成为了当前中国IT产业的独特现象。而这些来自异国他乡的IT从业者也正在用他们的视角观察中国的IT产业,观察中国社会的发展,相信不同的角度会给我们带来不一样的解读。
我们也有理由相信,在中国出现了华为、联想、百度、腾讯、阿里巴巴和小米等一批国际知名企业之后,未来会有越来越多的国际人士进入到中国IT产业,中国高新科技正在名副其实的与国际接轨。
如果您或您的朋友符合我们的采访要求,欢迎推荐与自荐(可联系公众号:科技树,微信号为:treenext)。我们的采访小分队会即刻联系您约访。
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。