至顶网CIO与应用频道 09月12日 北京消息:2017年9月12日,京东集团(JD.COM)今日宣布,申元庆先生于即日正式加盟京东,出任京东云事业部总裁,向京东集团董事局主席兼首席执行官刘强东先生汇报,全面负责京东云计算等相关业务。申元庆先生此前担任微软亚太科技有限公司董事长、微软亚太研发集团首席运营官、微软中国云计算与企业事业部总经理等职务。
京东云事业部总裁申元庆
申元庆先生(Samuel Shen)于1993年加入微软,服务24年,曾先后领导过Windows服务器操作系统全球产品开发、中国Windows产品市场等核心业务。2012年,申元庆先生被任命为微软亚太研发集团首席运营官及大中华区云计算与企业事业部负责人。同年,申元庆先生在北京创立了微软云加速器,并连续四年获投中集团颁发的中国最佳孵化器称号。2015年申元庆先生接任微软亚太科技有限公司董事长一职,并被晋升为Azure云中国区总经理,负责微软Azure云在中国区从战略、工程、运营、运维与客户服务的端到端全链条管理。Azure云也是全球4大云服务厂商中唯一在中国有落地产品运营的厂商。申元庆先生还全权负责微软Azure在全球认知服务及关联性数据库的开发运营及运维管理。
在微软的任职之外,申元庆还兼任多家在美国、中国、中国香港上市的科技公司董事职务,加入微软前,他曾在加利福尼亚IDT公司就职。申元庆先生毕业于加利福尼亚大学Santa Barbara分校,并获得计算机科学硕士学位。
申元庆先生是全球五百强技术企业里少有的从技术研发体系跨界到销售运营体系的高管,也是技术体系里为数不多具备有强烈市场意识与运营经验的高管。京东作为一家本土发展迅速的互联网企业,拥有多元化的应用场景、成熟的技术积累和精准丰富的大数据,之所以能够吸引申元庆先生义无反顾投入其中,用申元庆先生自己的话来说,就是“希望能真正做一番自己的事业”。刘强东先生表示:“相信申元庆先生一定能帮助京东在云计算等业务方面快速发力,将京东云上个台阶并成为京东集团各项能力的输出平台,以京东全产业链的能力向全行业和社会提供更为广泛且更具有价值的解决方案。”
刘强东先生在近期发表的署名文章中表示,在即将到来的第四次零售革命中,技术将推动零售基础设施的升级,从而全面带动成本、效率和用户体验的进一步提升。他在2017京东集团开年大会中也表示,京东下一个十二年发展的核心是技术,京东要用技术改造传统零售商业模式,成为零售基础设施服务商,将向全社会提供“零售即服务(RaaS)”的解决方案,而这些方案也会结合大数据、人工智能等技术创新,通过京东云的平台为更多合作伙伴赋能。
京东从云计算的坚定实践者转化为全面服务者,京东云技术、产品、服务经过几年的发展,已成为中国云计算领域重要的推动者之一。在第四次零售革命到来之际,京东云更会成为京东各项技术能力输出的关键平台,将京东经过多年自身实践的优秀基础资源、平台能力,特别是垂直领域的应用服务加上人工智能、京东大数据、数据挖掘处理和生态能力的对外输出,为整个行业和社会的成长助力。
京东集团首席人力资源官兼法律总顾问隆雨女士表示:“申元庆先生不仅拥有深厚的技术背景,还拥有丰富的销售运营经验。申元庆先生的加盟除了对京东提升云计算等领域的技术研发、业务拓展具有重要意义之外,更重要的是能够产生磁场效应来吸引更多优秀人才的加入。京东热诚地欢迎申元庆先生,并期待他为京东的技术驱动战略全面推进做出重要贡献。”据悉,近期还将有一批海内外顶级技术人才加入京东,这一方面源于京东技术驱动的策略得到业界广泛认可,另一方面,京东提供了广袤而肥沃的应用土壤,也吸引着技术人耕耘与收获。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。