CNET科技资讯网 1月17日 北京消息(文/齐丰润): 百度“第二把交椅”人选落定,今日,百度正式宣布任命陆奇为百度集团总裁兼首席运营官,主要负责产品、技术、销售以及市场运营,并直接向百度集团CEO李彦宏汇报。
据了解,百度现有各业务群组及负责人都将直接向陆奇汇报工作,包括搜索公司总裁向海龙、技术体系和新兴业务群组总裁张亚勤、高级副总裁朱光携金融业务群组、高级副总裁王劲携无人驾驶事业部和首席科学家吴恩达带领的人工智能技术团队。
1998年,陆奇加入雅虎公司,2007年晋升为雅虎执行副总裁。2008年8月,陆奇离开雅虎,并于次年1月正式加盟微软任网络服务集团总裁,2013年出任微软集团全球执行副总裁。在微软期间,他领导了包括Microsoft Office、Office365、SharePoint、Exchange、Yammer、Lync、Skype、Bing搜索、Bing应用、MSN及广告平台在内的多项业务,是大陆华人在全球科技公司总部所任职位的最高级别,被认为是微软搜索引擎的“Savior”。
百度集团董事长兼CEO李彦宏表示:“我非常高兴能够邀请到陆奇博士加盟百度,陆奇是在全球科技界都享有盛誉的杰出管理人才,也曾是美国科技巨头中职位最高的华人高管。他拥有丰富的管理经验、出色地技术洞察力和卓越的团队领导力,同时,陆奇还是人工智能领域世界级的技术权威。”
李彦宏还表示:“我相信陆奇的加盟将极大地提升百度的综合管理水平和技术实力,他将和现有团队一起把百度从一家优秀的中国公司提升为一家卓越的世界级公司!百度已经决定将人工智能列为公司未来十年最重要的战略方向,而要落地这一战略就需要不断吸引世界级的一流人才,陆奇的加盟将极大地确保这一战略得以顺利实现,帮助百度在人工智能时代奠定全球领先地位、成为令中国人为之骄傲的世界级高科技公司。”
从中不难看出李彦宏十分看重陆奇在人工智能领域中的作为,在微软任职期间,陆奇曾是“小冰”项目的领导者之一,而“小冰”也是微软的人工智能战略级产品之一。
同时,陆奇在2016年发表的署名文章《关于人工智能,我们可能做对了一些事》中表示,人工智能将成为未来10年全球科技领域和互联网行业创新的主要增长点,而意义更重大的是,人工智能将成为人与世界之外的第三极,并成为新的连接人与世界的桥梁。
陆奇毕业于复旦大学,获计算机科学学士、硕士学位,此后就读于卡耐基梅隆大学,获计算机科学博士学位。陆奇博士除了在学术界发表过一系列高质量的研究论文,还持有40多项美国专利。
去年9月,陆奇宣布从微软离职,传闻称其一直受伤情困扰,难以正常工作。不过关于其去向一直未定,也引来了不少猜测和传言。
而在正式加盟百度之后,这位新上任的百度集团总裁兼首席运营官表示:“我很高兴能够受到李彦宏先生邀请并加盟百度,李彦宏是中国拥有全球影响力的重量级企业家,百度是中国在人工智能领域布局最广、实力最雄厚的技术公司,甚至在全球范围内百度的技术实力也位列前茅。”
对于接下来在百度的未来陆奇也表示非常兴奋,“李彦宏将人工智能定为百度未来十年最重要的战略方向是极富远见且非常正确的决定,对于承担具体管理、执行和落实这一战略的重要职责,我深感责任重大;同时对于有机会帮助百度成为人工智能时代的世界级科技巨头,我感到非常兴奋!在李彦宏先生的领导下,我将和百度同事一起全力以赴追求卓越,将百度打造为人工智能时代全球领先的高科技公司!”
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。