随着远程办公的不断普及,企业要做的自然不仅仅是引进更多数字化转型工具——相反,文化与流程层面的转变才是2021年工作重点。
本月初,《经济学人》杂志的数字化领导者与高层管理人员一致认为,新冠疫情掀起的这波远程办公在成效上远超预期。用户们正快速转往线上,数字化转型不断加速,生产力也基本有所保障。在回避了令人头痛的通勤难题之后,员工们越来越适应这种新的工作方式,就连倍受质疑的远程销售也有着不同的表现。几乎可以肯定,新冠疫情本身虽然给整个人类社会带来浩劫,但却也为灵活工作模式打开了大门。
混合工作的未来会是何种面貌?
疫情之后的工作形态也在行业之间达成了基本共识。部分企业已经部分或全部适应了疫情影响。根据斯坦福大学经济政策研究所高级研究员、经济学教授Nicholas Bloom提供的数据,约有27%的员工愿意每周五天尽数选择居家办公。
虽然部分企业和员工仍希望把大部分时间用在办公室里,但不少人已经意识到混合工作模式正在生根发芽——每周在家工作一到四天都是不错的选择,平均计算相当于每周居家两天。
不过总体来看,各方对于远程办公基本保持乐观态度,只是部分成员强调了混合模型面临的挑战。BT Enterprise首席创新合伙人兼BTIO Nicola Millard博士表示,“这种混合模式确实让我感到焦虑,届时可能只有半数人在办公室内,另一半则远程参与会议。”她又补充道,“这时每个人都只是屏幕上的一个小方块,只有数字化功能才是最好的协调器。如果没有数字化的支持,混合办公根本不可能实现。”
Standard Life Aberdeen全球首席运营官Mike Tumilty对此深表赞同,并认为“混合办公离不开数字优化策略。”
我们还能顺畅协作吗?
我们先来看看目前哪些工作还没法以远程方式高效处理。答案似乎非常明确:密切合作、偶尔沟通、团队信任以及社区建设都在此列。
Zappos公司CEO Kedar Deshpande提到,线上平台的用户“没法眼神交流、没法近距离接触。在线上平台上建立团队信任与良好的人际关系,仍是我们需要不懈追求的目标。”AMD全球市场、人力资源与投资者关系高级副总裁Ruth Cotter指出,远程办公“已经拉长了新员工的入职周期……我们很难快速让新人适应并接受企业文化。”
此外,Cotter还提到“随时对话非常重要,甚至是一种强制性需求。”GitLab公司联合创始人兼CEO Sid Sijbrandij也强调过类似的观点,“非正式的交互往往会带来奇效。边喝咖啡边聊几句天,就能创造出这种神奇的时刻。”
办公室的意义在于协作,而非保障生产力
总的来说,大多数领导者的期望是重新设计办公环境,着重凸显团队会议与协作的优势。
GitHub COO Erica Brescia指出,“办公室不再是生产力中心,未来的用法和结构也将有所区别。办公环境会成为我们碰头交流的地方。”Index Ventures合伙人Sarah Cannon则表示,“如果员工们每周只需要到办公室工作两天,就会在这里专注处理居家时无法完成的工作。例如,办公环境中协作与会议的占用比例将显著上升。”
但这一切不可能单靠工具解决,数字化转型还不足以处理员工之间的全部需求。虽然各方对沉浸式空间、虚拟现实等工具进行了一些讨论,但总体共识是物理区域将更多用于满足协作及社区发展中的会面需求。
知名远程厂商Basecamp CEO兼联合创始人David Heinemeier Hansson也提到,该公司每年会组织两次为期一周的全体员工碰头大会。Google Cloud欧洲、非洲与中东(EMEA)业务总裁Chris Ciauri表示,“在初步规划中,我们打算把办公室理解成相互联系、协作并组织头脑风暴的平台。”
跨职能与异步工作的价值
Hanson还告诫,没必要尝试远程重构办公环境;相反,应该利用远程办公的特点发挥其他优势。例如,他观察到“办公室实际不太适合跨团队开展交流。远程平台能帮助员工在公司范围之内灵活建立联系,而不再将接触范围限制在团队内部。”
Hanson还强调,“这时候写作能力的重要性就凸显了出来。我们能不能以前所未有的方式实现传统会议的讨论效果?这对员工的文字表达能力提出了新的要求。”清晰明确的书面表达,将成为异步工作的基本前提。
疫情在客观上加快了变革的节奏,而且直接在一部分员工当中得到突出体现。正如Sarah Cannon所言,“新冠疫情直接把次世代工作方式空降到了我们身上。”如今的我们已经掌握着十年前无法想象的技术储备。在这样的历史节点下,谁能攻克文化与流程层面的樊篱、谁就将率先步入混合工作模式的新时代。
好文章,需要你的鼓励
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。
这项研究探讨了多模态大语言模型在增强推理能力时出现的视觉幻觉问题。研究发现,模型生成更长推理链时,对视觉信息的关注减少,导致幻觉增加。研究者提出RH-AUC指标和RH-Bench基准来评估模型在推理与幻觉间的平衡,发现较大模型表现更好,纯强化学习训练优于监督微调加强化学习,且训练数据的类型比数量更重要。这些发现对开发既具推理能力又保持视觉准确性的AI系统具有重要意义。
这篇研究探讨了大语言模型在自动推理任务中的不确定性问题。研究者提出,模型生成形式规范时的概率不确定性不是缺陷,而是宝贵的信号源。通过引入概率上下文无关文法框架分析SMT-LIB程序分布,他们发现不确定性信号具有任务相关性(如逻辑任务中的语法熵AUROC>0.93)。他们的轻量级信号融合方法能减少14-100%的错误,仅需最小弃权,将大语言模型驱动的形式化转变为可靠工程学科。研究揭示当模型正确理解逻辑关系时会产生稳定的语法模式,为判断何时信任模型提供了可靠指标。
来自沙特阿拉伯王子苏丹大学和阿尔法萨尔大学的研究团队开发了GATE(General Arabic Text Embedding)模型,这是一套专为阿拉伯语设计的文本嵌入系统。该研究结合了套娃表示学习和混合损失训练方法,解决了阿拉伯语特有的语义处理挑战。GATE模型在MTEB基准测试的语义文本相似度任务中表现卓越,比包括OpenAI在内的更大模型高出20-25%,同时保持了多维度(768至64)的高效表现。研究通过详细的错误分析揭示了模型在不同相似度水平上的表现特点,为阿拉伯语NLP领域提供了新的研究方向。