谢尔·卡藩(Shel Kaphan)是亚马逊首席执行官杰夫·贝索斯(Jeff Bezos)招募的首位员工,于1994年加盟亚马逊。
卡藩当时主要负责打造早期亚马逊时代的技术基础架构,并在帮助亚马逊从电子商务网站向数十亿美元的业务发展过程中发挥了非常关键的作用。
但是,尽管卡藩早期为亚马逊作出了巨大贡献,但他仍无法在该公司长期工作。
在加盟亚马逊的五年之后,卡藩宣告辞职,当时正值贝索斯又招聘了两位新技术经理并极大地减少了卡藩在亚马逊公司的作用。如今,卡藩从亚马逊辞职之后,就一直没与贝索斯联系过。
上周,卡藩在接受The Macro的克莱格·坎诺(Craig Cannon)采访时分享了他在亚马逊时的经验,并提出了一条非常重要的忠告,这条忠告可能会让任何初创企业的员工受益。这条忠告就是——任何初创企业的员工应当一直认为企业会越来越大,远远超过比他们的想像,同时还要为此变化做好准备,找到他们自己适应新环境的方式。
卡藩表示,“亚马逊的体验教会我的一件事就是,试想一下,如果一个项目或一家公司会比你可能想到的样子更成功,那么这个项目或这家公司会是什么样子。尽管这非常难以想象,但还是有可能想象一下。你们必须思考:如果那种情况发生的话,情况又会是什么样子,以及参与其中的人们又会如何改变。
当初我加盟贝索斯的团队一起组建亚马逊时,我甚至不想去那儿。我已经在诸多初创企业工作过,因此,初看上去,过多地思考可能发生的事就感觉像是一个不祥之兆,即使它真的会取得巨大成功。这就是我的想法。我希望,这能够起到作用并取得一些成功,甚至能够帮助我们赚到足够的现金,以此让我们在某一时刻隐退。
你们不需要思考你们能够想像之外的情况是否会取得巨大成功。当然,如果取得的成功超越了你们的想像,那么你们就需要开始思考——团队在取得这些成功的过程中,我到底起到了什么作用?那是我真正想要做的事吗?”
正如布拉德·斯通(Brad Stone)在《一网打尽:贝索斯与亚马逊时代(The Everything Store)》一书中所写的那样,当贝索斯停止卡藩在亚马逊公司的日常运营工作之后,卡藩极为震惊和难过,感到一切被毁。尽管亚马逊后来给了卡藩一个“首席技术官”的头衔,而且之后还称他为“亚马逊史上最重要的人物”,但是,贝索斯最终还是将卡藩撤出了一线,最终导致卡藩从亚马逊辞职。
卡藩将贝索斯的决定描述为“背叛了神圣的信任”和“我整个生涯中感到最为失望的事件之一”。
当然,卡藩对他在亚马逊的时光记忆犹新。他向The Macro表示,在亚马逊的最初两年时光,让他迎来了职业生涯中“高点”,而且也是“他人生中的辉煌时光”。
或许,如果卡藩对亚马逊公司发生的一切变化更加深思熟虑,那么他可能会因此而迎来不同的结局。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。