至顶网软件与服务频道消息: 近日,SUSE宣布任命资深技术高管、SAP前主管Melissa Di Donato女士为公司首席执行官 (CEO) 。此举预示着全球最大的独立开源软件公司SUSE将开启新的发展篇章。
Di Donato一直专注在推动业务快速增长和转型,在销售、商业运营和领导力方面享有盛誉。加入SUSE之前,Di Donato曾担任SAP数字核心解决方案业务的首席运营官兼首席营收官,负责全球收入、利润和客户满意度。此外,她还曾担任Salesforce高级管理职位,并凭借在全球企业发展过程中的突出贡献荣获“2018年商业管理杰出数字化专家奖(2018 Digital Master Award for Excellence in Commercial Management)”。
Di Donato是一位极具远见的领导者,她积极倡导职场多元化,也是“30%俱乐部”(30% Club)的技术组主席。该组织的目标是到2020年,在标准普尔100强企业的董事会中,女性领导人的比例达到30%。此外,她还在Notion Capital等其他组织中担任要职,并且是慈善组织Founders4Schools的受托人。
Di Donato将是SUSE历史上第一位女性CEO。她于8月5日正式就职,办公地点位于英国。
Di Donato表示:“我非常荣幸能够带领SUSE掀开快速增长和企业发展的新篇章,SUSE正处于历史性转折的风口。在任何一家蓬勃发展的企业中,开源软件都已成为他们核心业务战略的重要一环。凭借敏捷的、从边缘到核心再到云的企业级开源解决方案,我们能够帮助客户以他们自己的节奏进行数字化转型,因此我们有实力成为这次转折中的引领者。毋庸置疑,我们有无限的能力为社区、客户、合作伙伴和股东带来价值,他们一直都是SUSE成功的基石。SUSE在过去几年中的成长和创新令人振奋,但新的征程才刚刚开始。”
Di Donato在今天稍早Nils Brauckmann宣布退休后接任CEO一职。在担任SUSE CEO期间,Brauckmann为公司实现了八年的持续增长,特别是在2018财年带来了大幅增长,打破了近年的收入记录。
在卸任CEO之前,Brauckmann带领SUSE完成了向独立企业的转型。此时他功成身退,将领导权移交给了新任CEO。
Brauckmann表示:“我为SUSE过去八年所取得的进步和成长感到无比自豪,它终于成为一家独立的企业。公司这一阶段的目标已经完成,我非常高兴将SUSE的领导权转交给Melissa。她是一位久经考验且具有活力的领导者,她在高速增长的云环境订阅业务领域取得了卓越的成就。我确信Melissa将带领SUSE发挥出最大的潜力。”
在Di Donato的领导下,SUSE将继续在增长型投资公司EQT的支持下成长和发展。EQT是一家领先的投资公司,筹集资金超过610亿欧元。作为SUSE的新任CEO,Di Donato将着力推动公司取得商业成功,并致力于通过自主研发与收购促进核心业务与新兴科技的创新。作为独立企业,SUSE将完全掌控自己的发展方向,并继续专注于为客户和合作伙伴提供最佳服务。
SUSE董事会主席Jonas Persson表示:“我想向Nils兢兢业业的奉献和所取得的成就表达最诚挚的感谢。作为CEO,Nils成功地带领公司走到今天,特别是在2018年将公司带到了历史巅峰,他得以将一个优秀的SUSE交给继任者。作为全球最大的独立开源公司,SUSE将通过敏捷的、从边缘到核心再到云的企业级开源解决方案助力数字化转型。毋庸置疑,Melissa Di Donato的履历足以证明她的能力,我们找到了一位杰出的CEO。可以预见,在Melissa的领导下,SUSE将更好地完成使命。”
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。