Alexey Zhokhov,高高的个子。汉语流利,开朗健谈,虽然他来自我们的邻国俄罗斯,但是却不像视频里“战斗民族”那样彪悍。
“中国的互联网发展的非常迅速,因此在中国从事互联网行业还是非常有发展的。所以我觉与美国互联网持平,甚至超越美国互联网,并不是很困难的事情。”这是Alexey对于中国互联网行业所持有的观点,或许这也从侧面说明了Alexey选择在中国从事互联网行业的原因。
Alexey Zhokhov
Alexey Zhokhov同样来自“光音网络”,是第一期《IT老外在中国》中的主角——Nathaniel的同事,所以在同样酷热的下午,同样的科林大厦,同样的汗出如浆,同样闲散慵懒的簋街旁边,同样的“科技寺”,不同的老外主角同样说着流利而标准的中文,以及他眼中对于中国的看法。
说起来中国的原因,Alexey总结起来就是原因很简单,“我妈妈不太想让我在俄罗斯学习,也不想让我留在俄罗斯,所以我便决定出国留学。而我确定来中国是听取了一个在哈尔滨开西餐厅的朋友的建议。”
大学毕业之后,Alexey便从哈尔滨去到了上海,并在上海工作了三年。或许对于勤奋的人来说,上天总会给他们更多的机会,所以后来在更好的机会下Alexey从上海来到了北京,开始了一名老外在中国的“北漂”生涯。
一次偶然的聚会中,Alexey认识了David和Nathaniel。被David和Nathaniel说服的Alexey,加入到了光音网络之中。
“我们那次的面试并不像一个真正的面试,而更像是一个聚会,我们几个人喝着酒聊着天。就这样,当他们确定我能够胜任这个工作时,我便下定决心一定要来这个公司,因为David和Nathaniel都非常Nice,这个团队深深地吸引了我。”在这个多元化的团队中,每个人的思想都非常独立而且很有想法,并不会有派系之分,Alexey觉得这对一个公司来说是非常健康的。
Alexey对国内的网购环境非常满意,“在网上订购一个产品,第二天可能就会送到,中国这种互联网和物流之间的业务做得很出色。俄罗斯在物流方面就逊色得多,网购的东西有时要等上一两个月,甚至当你已经忘记你买过这件东西时才会被送到。”
他觉得相比于体验很差的网银来说,支付宝和微信支付都做得相当出色。“我希望这些互联网创业公司能在中国发展得更快。既然有这么好的市场,还是希望中国公司能有一些创造力。”
作为一个全栈工程师,Alexey从小对电脑知识就非常喜爱,在来中国之前曾在俄罗斯跟同伴创办了一个在线商城网站。Alexey现在主要负责广告家Pro.cn移动平台技术工作,这相对于PC平台来说更加复杂。
Alexey认为,移动平台的智能广告投放是一件非常具有前景的工作,光音网络是一家非常有前景的公司,“它能把国外先进的技术思想与国内成熟的市场经验相结合,这是许多企业很难做到的事情,或许能成为下一个互联网巨头”。而这也是吸引他来到光音网络的重要原因之一。
他对中国的印象就是这里很自由:无论你的行为举止如何另类,都不会有人管你或者指责你,大家也并不会觉得你有什么不同,并不会给你太多约束。而在俄罗斯这则是不可能的,因为如果你和别人做的不一样,那么大家一定会觉得你不正常。“所以在中国生活会让人感觉很放松,因为我可以做我喜欢的事情,突出自己的个性。”
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。