ZDNet至顶网软件频道消息:4月11日,IBM企业全球志愿服务队(Corporate Service Corps,简称CSC)济南项目成果汇报会成功举行。在刚刚过去的4周里,IBM志愿者为中国青年创业国际计划(Youth Business China,简称YBC)、两所大学以及两家成长型企业,提供了公益服务,发挥IBM全球最佳实践和经验,帮助他们解决发展中的问题。
IBM企业全球志愿服务队济南项目成果汇报会现场
据悉,济南项目是IBM企业全球志愿服务队2014年在中国落地的第一个项目,该团队也是IBM派往中国的第23支项目团队。12位志愿者分别来自美国、瑞士、瑞典、日本、澳大利亚等9个不同的国家,工作领域涉及销售、信息技术、人力资源、运营管理和项目管理等。他们运用自己的专长,为机构、大学和企业提供相应的可行性建议,得到了服务对象的肯定与称赞。
聚焦青年创业及就业 完成校园到社会的华丽转变
在山东济南,“人才队伍建设”被放在突出的位置。济南希望建设“齐鲁人才特区”,培养引进一批领军人才、拔尖人才和紧缺适用人才,营造尊重企业家、支持企业家、尊重创业者、支持创新者的良好社会氛围。
IBM一直非常注重人才的挖掘与培养,有成熟的人才培养机制,比如“蓝色之路”、 “走出校门,走入社会”等项目。这些人才培养方案帮助学生更好地完成从校园到社会的转型。因此,在本次济南项目中,IBM为中国青年创业国际计划(YBC)济南办公室、山东大学齐鲁软件学院、山东建筑大学环境工程学院提供了志愿服务。
以中国青年创业国际计划(YBC)为例,IBM帮助其优化青年创业素质模型,制定五年战略发展计划等。IBM的志愿者团队与YBC高层领导共同探讨,并呈现了一系列解决方案。如梳理与“扶持一个青年,成就一个未来企业家”相配套的YBC与创业青年黏合体制,更加强化了创业青年与YBC之间的忠诚度;在品牌管理方面,IBM建议出一套全方位、多元化并紧密依托政府合作来做品牌宣传的解决方案;在资金募集方面,IBM深度考虑YBC募集资金方面的历史,给出以历史为基础,逐步散射推进资金募集的多元化的建议。整个项目不但更好地帮助山东地区青年创业就业,而且将会提升中国青年创业计划的整个运作平台。
期间,IBM志愿者团队、IBM济南分公司与山东大学、中国青年创业国际计划(YBC)共同主办研讨会,围绕“走出校门,走入社会——储备能力迎接角色转换”主题,从育才、择业和创业的角度分享了各自的见解和经验,与会学生们积极与IBM志愿者互动讨论,为他们的就业或创业拓宽了思路。此外,IBM志愿者团队还为以上两所大学提供了针对学生的能力培养和就业指导的专题讲座,协助山东高校培养高端人才。
中国青年创业国际计划(YBC)济南办公室王玉振主任指出:“在这一个月,我们感受到IBM志愿者团队对工作认真负责的态度、无私的奉献精神。IBM志愿者提供了专项报告和解决方案,对YBC济南办公室提升自身管理能力提供了借鉴。CSC团队多国志愿者来到YBC济南办本身就体现了促进交流的理念,并让公益的价值得以传播。”
公益服务落地济南 IBM推进成长型企业快速发展
IBM在助力企业转型方面有较为深刻的洞察。如今企业的压力主要来自经济发展模式转型、产业模式变化、客户需求变化、技术驱动业务模式变革,因此企业需要重新思考转型方式。
在济南项目中,两家创新型企业山东佳诚软件科技有限公司、山东正元地球物理信息技术有限公司成为IBM全球志愿服务队的服务对象。IBM服务团队在深入了解服务对象的需求后,结合自身的专长和工作经验,在企业管控及运营、营销、财务管理、技术型人力资源管理、项目管理等方面,开展访谈、研讨、分析问题并提出了相应的解决建议。IBM志愿者运用其全球视野及丰富的企业智慧转型经验,努力帮助成长型科技企业提升管理能力,实现创新转型。
山东佳诚软件科技有限公司总经理张加成表示:“在与IBM志愿团队成员沟通过程中,我们学到了新思维、新思路及有效工作的方法!他们用科学的方法,对公司产品和运营管理思路进行了梳理,使我们深受启发。IBM志愿团队不计报酬的全球服务行为,也真正让我体会到了‘胸怀多大天下,成就多大事业’的道理。”
针对IBM企业全球志愿服务队在济南的公益服务的圆满成功,IBM中国济南大区总经理郁谦表示:“IBM企业全球志愿服务队济南项目所做的积极尝试,不仅帮助济南青年更好地创业或就业,而且对济南成长型企业的转型起到示范作用。IBM希望运用领先的科技,丰富的全球实践,继续助力山东区域经济的发展。”
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。