中国北京,2020年2月24日—— 思杰(Citrix)今日宣布,任命于放为区域副总裁大中华区总经理。即日起,他将向思杰亚太及日本地区销售与服务副总裁 Colin Brookes汇报工作。他将继续执行公司的云战略,进一步推动思杰在大中华区(包括中国大陆、台湾、香港三大市场)的业务发展。
于放在IT领域拥有超过21年的从业经验,在企业战略制定与实施、业务与合作生态拓展等方面拥有丰富经验。自2017年加入思杰以来,于放致力于思杰中国的市场探索以及客户开发,领导中国市场实践思杰云战略伙伴计划(Citrix Cloud Partner China),进一步完善了思杰在中国的合作生态建设,推动了公司中国区业务增长。
作为资深的业内人士,于放在加入思杰之前创立了上海曙安数据服务有限公司并担任CEO。此前,他曾担任微软企业客户部总经理,甲骨文(中国)软件系统有限公司全国服务销售总监,惠普中国商业服务与渠道管理部经理,戴尔中国华东地区销售经理等多个职位。
思杰亚太及日本地区销售与服务副总裁Colin Brookes表示:“思杰是全球领先的数字业务赋能者,我们的愿景就是帮助全球客户实现创新、推动业务发展并创造新价值。我相信,于放上任之后将进一步运用他丰富的行业经验与出色的管理能力,立足于大中华区蓬勃发展的云市场,进一步引领公司业务发展,助力我们的客户实现数字化转型的目标。”
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。