ZDNet至顶网软件频道消息:微软高层宣布计划裁减18000名员工,此次裁员的大部分员工都是前诺基亚公司的员工,他们是在诺基亚公司的手机业务被微软并购的时候进入这家公司的。但是,也有很多其他的团队和业务组也受到了此次裁员行动的波及。
Terry Myerson领导的统一操作系统组(OSG)需要削减大量的测试人员,负责为Xbox制作原创电视内容的Xbox娱乐工作室团队也未能幸免。我听到传言说一些Windows营销人员也将被裁撤。
下面是Myerson在7月17日发给OSG团队的电子邮件,在邮件中,他宣布将调整团队的工作重点:
各位团队成员,
如同萨提亚在上周分享的那样,我们正在对我们设计产品的方式进行广泛地调整,这一举措我们也讨论了差不多快一年了。因此,今天我们进行重组,将我们的团队划分成三个部分:加强我们一些在地理上分散的团队,取消一些项目以便增加一些更重要的事情的投资,改变跨领域工作员工的比例,以此作为我们新的设计流程的一部分。对于那些工作受到影响的人,如果他们在雷蒙德,他们部门内部将会有一位领导在今天上午11:30(美国太平洋时区时间)之前伸出援手;雷蒙德之外的地区时间会有所不同。
这些改变的困难程度令人难以置信。一些人的工作会受到这些变化的冲击,他们是我们的同事,也是我们的朋友。公司正在通过多种方式为这些员工在过渡期提供支持、服务和援助。对于那些工作受到影响的同事们,我想在这里感谢你们对微软、对我们的客户的贡献,并且祝你们一切顺利。
对于我们所有的人来说,适应今天发布的内容都需要时间,但是我们现在可以继续前进了,我们知道我们已经在美国境内完成了全OSG范围内的重组;美国境外的部分将根据当地的法律和方法完成。
-Terry
我从自己的消息渠道听到的说法是,将要被取消的项目指的是Xbox娱乐工作室。可能还有其他一些项目也会被取消,但是我还没有任何关于还有哪些项目(到目前为止)将被取消掉的消息。
Myerson提到的在美国已经完成的组织调整主要是围绕着降低测试人员与开发人员的比例而开展的,因此导致大量测试人员被裁撤。这项“综合工程”计划意味着取消在微软已经存在了好多年的功能管理结构,这对于OSG来说是一个新举措,但是对于微软的其他部门来说已经算不上什么新鲜事了,例如应用和系统事业部以及云计算和企业事业部。
我听说,对于测试人员的调整说不上完全是突然袭击。几个月之前,微软调整了OSG测试部门的工作,将其重新命名为 “质量”,并且将这个部门的工作重点从编写测试调整为“测试质量”。这意味着编写测试的工作已经转移到了开发部门,这样质量团队中就有很多人没事干了——这就为削减测试人员扫清了道路。
我听说,OSG的其他部分也会削减数量未知的“个人贡献者”而不是产品经理。有一些人说,OSG建设部门中可能也会裁掉一些员工,这主要是由于Xbox操作系统、Windows Phone操作系统和Windows操作系统建设部门合并后造成了一定的人员冗余。
在首席执行官萨提亚·纳德拉的领导下——他非常关注“数据和应用科学”——一个新的内部开发和测试工具即将出现。同时,还有很多微软的员工从去年起就开始充实各自的部门中数据科学团队。(我听说Dean Hachamovitch已经不再是这家公司的首席数据科学家了,不过似乎还没有完全确定;我也不知道现在的首席数据科学家是谁。)
当然,这些新的流程和工具对微软的Windows、Windows Phone和Xbox的开发及推出时间表会产生什么样的影响仍然需要等待。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。