ZD至顶网软件频道消息: 1月17日,网上一则关于“甲骨文中国研发团队裁员200人,职位回流美国”的消息铺天盖地。ZD至顶网记者第一时间连线甲骨文中国公司核实该信息。甲骨文中国相关负责人表示,这回,甲骨文中国真的成了背锅侠。
相关报道称,甲骨文研发北京的同事收到来自BU老大的邮件,邮件中提到由于市场变化,公司开始整合各研发中心资源公司在云计算方向发力,并称中国将裁员200余人。此外,报道还称,此次裁员行动可能与前不久甲骨文CEO卡兹对川普政府的承诺有关。
对此,甲骨文中国相关负责人表示,报道中提到的裁员确实存在,主要属于Solaris方面的研发,但是人数却并没有200那么多,并且最重要的是,所有裁员行为都与甲骨文在中国市场的业务无关。
据了解,甲骨文中国成立于1989年,目前在北京、深圳、南京、苏州、上海建立了5个研发中心:
而这五个研发中心都与传闻中裁员的Solaris研发团队没有关系。那么,Solaris裁员的消息源自何处呢?
事实上,早在去年12月初,美国裁员网站TheLayoff.com上就爆料,甲骨文将停止Solaris的开发,并且将有一半左右的开发人员将被裁撤。另外,在不久前,有媒体报道称,Oracle Solaris Unit VP Bill Nesheim曾表示,甲骨文会将更多的研发精力放在云上。该言论也被视为Solaris裁员的佐证之一。
我们回头再看一下Solaris,这是24年前SUN研发的一款类似Unix的操作系统,主要面向SUN工作站和服务器类产品,随后甲骨文收购SUN后,市场需求变化,Solaris已经失去发展动力。因此,先不管裁员的真假和规模,至少如果甲骨文针对市场变化进行相关调整,这种举动其实属于正常的公司行为,至少从现有的情况看,并没有任何证据证明与川普政府有关。
至于甲骨文正在大步向云转型,也是不争的事实。今年一月,甲骨文公司高级副总裁及中国区董事总经理李翰璋在ZD至顶网百位意见领袖寄语2017中提到:云将会成为未来主流趋势,尤其在SaaS方面,制造业、服务业、零售业打头阵,云产品及服务正一步步深入企业业务腹地。甲骨文面对本土市场对云业务的需求,促进本土市场发展的初心不变, 我们在产品、流程及组织架构、合作伙伴、人才四个维度全面发力,重新定义云端格局。
事实上,甲骨文一直在持续招募云计算人才,从2015年起开始在亚太区招募超过1000名云销售,其中中国市场超过200人。今年11月,甲骨文与腾讯云携手将甲骨文云正式落地中国,并开启了更大规模的合作伙伴招募计划。种种行动,都显示了甲骨文向云转型的决心,以及对中国市场的重视。
巨头转身不是易事,涉及到产品、流程、组织架构、合作伙伴、人才等多方面的调整,尤其是人才储备和培养更是重中之重,今天,甲骨文中国更是刚刚发布了大量云计算人才的招募计划,以此为甲骨文在中国的云市场发展提供动力。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。