至顶网CIO与CTO频道 06月04日 编译:企业要如何支持正在远程办公的民众?又该拿出怎样的政策与技术方案,才能帮助员工更安全地重返办公室与工厂?回答这些问题,已经成为各位CIO们面对COVID-19威胁时需要承担的首要责任。
围绕这一话题,《福布斯》最近与三位顶级企业技术领导者展开了视频研讨,他们分别是:Facebook公司CIO Atish Banerjea,他领导着社交媒体巨头的企业工程团队;信息管理与存储厂商Iron Mountain的CIO Kim Anstett;以及负责从废弃物中收集并处理可回收材料/可再生能源发电等事务的Waste Management公司首席数字官Nikolaj Sjoqvist。
对话的核心主题,是在远程工作人员需要与企业保持紧密联系这一基本诉求之下,如何满足进一步创新的迫切需求。而就在几天之后,Facebook CEO Mark Zuckerberg公开发言,表示到2030年预计该公司将有半数员工选择长期居家办公。Banerjea的团队已经开发出在线知识库,帮助新员工们快速适应远程办公制度并轻松获取处理工作所需要的信息。另外,Facebook方面还在探索进一步提升远程视频会议临场体验的方法。
高管们还一直与人力资源部门的同事们开展合作,希望以更高效的方式甄别哪些求职者更适合远程办公。Iron Mountain公司的Anstett带领团队通过敏捷开发策略打造出人力资源仪表板,用于监控员工情绪以及COVID-19会在哪些方面对员工的工作时间造成影响。照以往的情况看,这类项目往往需要几个月才能完成;但这一次,仪表板在数周之内就已经正式上线。
在管理企业逐步复工方面,保障员工安全无疑是重中之重。Waste Management公司的Sjoqvist表示,他的团队正在与内部设施部门紧密合作,确保能够全面贯彻社交隔离要求。与Iron Mountain及Facebook一样,Waste Management方面也在研究可保证员工健康安全的建筑物内部导流技术,例如在会议室中部署摄像头以监视人群聚集情况。
研讨中的第四个主题,是在商业形势发生巨大变化时如何应对可能大规模出现的职业倦怠风险。领导者们表示,这个问题比以往任何时候都更加重要。企业必须明确事务优先级、与员工更频繁地进行交流,并寻找一切机会利用好这段非常时期。如今,家庭团聚与好友闲谈已经没有任何门槛,人们不再需要经历漫长的路途才能彼此交流。正如Facebook公司的Banerjea在研讨中所说,“保持距离反而让我们走得更近。”
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。