ZDNet至顶网软件频道消息: Lumesse路敏思,全球领先的人才管理解决方案提供商和KNX肯耐珂萨,中国领先的综合人力资源解决方案供应商今天宣布双方达成销售及分销协议。
此排他性的合作关系将Lumesse全球领先的人才解决方案的专业知识和肯耐珂萨本地人才管理经验以及强大的市场认知相结合,为中国大中型企业带来非凡价值。
“我们的客户期望我们能提供点对点式的人才管理解决方案以达到人才管理的一站式服务,”肯耐珂萨总经理David Shen说。“Lumesse是全球唯一一家做到满足人才招聘和人才管理本地化实施的提供商。Lumesse人才管理产品在深度、广度和适应性方面的功能非常完备,我们完全相信这些能够满足本土客户的需求。”
人才管理已经成为识别、吸引、管理、发展以及雇佣人才的关键管理环节。本次合作发布会更多地和当下不断变化的环境相关:组织需要为将来不可预知的业务需求做好充分准备,并灵活应变。
Erik Schmit,Lumesse亚太区副总裁表示,“我们很高兴成为肯耐珂萨的商业伙伴,肯耐珂萨在业界拥有良好的声誉,在中国人才管理市场中有着丰富经验和坚实的足迹。这次合作旨在为客户以及他们在中国日益增长的本地需求和定制化的人才解决方案带来巨大收益。”
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。