ZD至顶网软件频道消息:开会已经成为职场的“标配”。有数据显示,企业管理层一天90%的时间需要用来沟通工作,大大小小的会议至少也要占据其中的三分之二。但是,召集困难、内容空泛、任务难以落地等,让“开会”二字成为职场中的贬义词。难道就没有一种更轻快便捷的方式,开一个高效的会议吗?
在IMO班聊2106产品发布会上,imo总裁张翀睿就现场用手机发起了线上会议,300多人仅用了30秒就集结完毕,立刻进入会议模式,“班会”功能令人咋舌。
最快3秒钟,会议集结完毕
“召集大家开会,对我来说,是非常痛苦的一件事情。”吴玲玲所在的公司是一家大型连锁,门店分布在北京的大街小巷,每次召集门店负责人开会,她光电话就要足足打满两个小时。“特别是大家的时间难以统一,即使是开个电话会议,光确定开会的时间就要耗上大半天。”
“找人困难、协调时间和地点困难,让开会变得麻烦不已。”张翀睿介绍说,IMO班聊的设计团队对工作场景进行了长达9年的研究,因此,班聊中的“班会”,就是特别针对“随时随地开会”所设计的。
记者看到,“班会”在手机上的画面类似电话呼入,持续提醒。相关的参会人员在“接听”后,立刻进入线上会议状态,最快3秒钟,一个会议就能集结完毕。
能开“会中会”,两边互不干扰
光“找人”快还不够,班聊的班会功能还紧盯着开会效率。可以通过上海一家科技公司的市场总监Kevin出差途中的一个临时班会感受一下。Kevin在前往机场的路上,在班聊上接到了“公司销售群”里几条@他的提醒,进群一看,西安的销售和北京的技术支持在任务群里争论一些事情,他上下翻了翻有了大致了解之后,在群里发起了班会,邀请了主要涉及的三个人,听取了各人的大致方案后,迅速出了指导意见。这时候,外面的讨论还在七嘴八舌地进行,但是在班会模式下,他们四个人的沟通完全不受打扰,两边同时进行。
“班聊的班会,用起来非常方便。” Kevin表示,以前和公司同事用微信群沟通的时候,经常会有这样的苦恼,就是刚在群里展开一项讨论,但瞬间就被其他各种话题冲得七零八落,很难认真地讨论一个事情。“但班聊不一样,有事情开个班会,把群里相关的人拉进来就事论事,但又不影响群里的沟通,互相不影响。”
据悉,班会在各个群里、任务里都可以使用,甚至可以在一个群内、一个任务里开不同主题的班会,
会议纪要自动生成
在IMO班聊开发团队的心目中,班会是一种企业管理的新工具,是对真实世界会议模式的复制和尊重。
“用班会的效率非常高。”国内一家大型置业集团的行政秘书张倩则告诉记者,会议中任何重要信息都被记录在案,后期整理非常方便。而在班会的讨论过程中,又可以将沟通的信息直接转成任务布置下去。“不管是消息还是语音,都能直接转为任务,这就将沟通与执行有效串联,任务很容易落实。”
除此之外,IMO班聊的班会功能还能自动生成会议纪要,可供与随时查看,非常方便。
一个“班会”引发的好评,存在于IMO班聊绝大部分的活跃用户中,包括中国联通、和记黄埔、戴德梁行、科大讯飞、海通证券、中国人民银行、三峡集团、华泰保险等知名企业也都在使用它。
而据了解,IMO班聊目前在官网提供iOS、Android、Windows、Mac等多版本下载,大到政府、龙头企业;小到团队、个人,下载注册,分分钟就能搞定。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。