SAP亚太区宣布,任命Simon Davies为新设立的亚太区总裁,即日起生效。他将常驻新加坡,全面负责SAP在亚太区的战略、运营、人才管理、销售与服务、合作伙伴关系及盈利增长。Paul Marriott 在这一职位上任职五年后,将返回欧洲,与家人团聚。
SAP在澳大利亚和新西兰、大中华地区、印度、日本、韩国和东南亚地区均设有分支机构。作为区域总裁,Simon Davies将领导SAP在亚太区的运营,管理遍布78个办公室的31,000多名员工。SAP在亚太区服务的客户包括NEC集团、Coles集团、Wipro、富士通、资生堂、现代汽车、起亚、喜马拉雅、Cochlear和日本航空等众多领先企业。
Simon Davies在亚太地区IT行业拥有25年经验,专注于IT解决方案的开发、销售和实施,曾在微软、Salesforce和甲骨文等全球领先的软件公司任职。此前,他曾担任Splunk亚太及日本区高级副总裁兼总经理,任职超过三年。此外,他还在多家拟上市科技公司董事会任职,并是澳大利亚公司董事协会(MAICD)成员。
SAP 亚太区、欧洲、中东及非洲区及中东欧区首席营收官Manos Raptopoulos表示:“我们正迈向崭新的发展篇章,以加速推进的云和 AI 创新为引擎,并植根于我们的使命、人才和生态伙伴。Simon将结合他对高速增长、创新驱动的亚洲市场的丰富经验,以及打造高绩效、多元与包容团队的出色能力。我相信,在他的领导下,SAP 亚太区将延续Paul任内的强劲发展势头,继续成为推动创新和助力客户成功的关键力量。”
Simon Davies表示:“我对开启这一新的旅程充满期待。在亚太及日本地区,众多具有前瞻性的企业正在借助SAP的支持加速战略转型。通过在云上建立坚实的基础,充分利用业务数据,企业将进一步探索AI、数据分析和可持续发展等领域的新增长机遇。”
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。