根据研究机构 IDC 最近的一份报告,企业一直在努力应对 IT 技能短缺的问题,但 AI 等"新技术的加速到来"进一步扩大了这一差距,导致业务延迟、客户满意度下降和收入损失。
IDC 研究总监 Gina Smith 博士表示:"新兴技术如 AI 的出现给组织带来了新的压力。这意味着让合适的人才在合适的岗位上发挥合适的技能变得比以往任何时候都更加困难。"
Smith 补充说:"影响是巨大的。全球组织向 IDC 反馈,技能短缺直接导致了一系列企业和业务问题。"
该机构对北美、亚洲和欧洲的 IT 领导者进行的调查发现,IT 技能短缺导致 54% 的组织产品开发延迟,58% 的组织报告出现产品或服务质量问题。IT 领导者还报告遭遇客户满意度问题 (52%)、难以实现收入目标 (55%) 和收入损失 (54%)。
Smith 表示:"IDC 预测,到 2026 年底,超过 90% 的组织将感受到类似的困境,全球损失可能高达 5.5 万亿美元。"
虽然 IT 技能短缺是一个全球性问题,但北美公司似乎受到的打击最大,87% 的北美 IT 领导者报告因缺乏足够的 IT 技能而导致数字化转型延迟,而亚洲和欧洲的这一比例分别仅为 60% 和 54%。
在北美,与技能相关的数字化延迟时间各不相同,57% 表示推迟了一到五个月,32% 表示转型计划延迟了五到十个月,11% 表示由于技能不足而延迟了十到十五个月。
根据 IDC 的数据,企业最可能寻找具备以下技能的技术人才:AI (94%)、网络安全 (89%)、IT 运维 (84%)、ITSM (75%) 和生成式 AI (73%)。
IDC 建议 IT 领导者利用生成式 AI 为员工创建个性化和改进的培训课程和技能提升项目。通过创建健全的学习环境,让员工有机会获得新技能的实践经验,并通过现金奖励、带薪休假和其他激励措施来奖励学习者提升技能,IT 领导者可以帮助填补现有的技能差距。
Smith 表示:"最好的 IT 培训计划为学习者提供丰富的课程选择,无论他们是通过视频、音频还是文本学习。同时,让员工获得实践学习机会也至关重要。一个多世纪的教育研究表明,人类在亲身实践时学习效果最好。体验式学习——实验室、游戏、探索之旅、黑客马拉松——让学习者有机会练习新内容,可以大大加快和改善培训效果。"
该机构建议,利用生成式 AI 改进培训工具的组织可能无法在一夜之间解决技能短缺问题,但随着 IT 技能持续变化和发展,这可以帮助公司在未来取得更好的成功。
好文章,需要你的鼓励
这篇研究论文揭示了多模态大语言模型(MLLMs)存在严重的模态偏差问题,即模型过度依赖文本信息而忽视图像等其他模态。研究团队通过理论分析和实验证明,这种偏差主要源于三个因素:数据集不平衡、模态骨干能力不对称以及训练目标设计不当。他们提出了系统的研究路线图和解决方案,包括增强视觉模态在数据集中的贡献、改变模型关注点和应用偏好优化策略。未来研究方向则包括开发更客观的评估指标、探索更多模态组合中的偏差问题以及应用可解释AI技术深入分析偏差机制。
ComfyMind是香港科技大学研究团队开发的一个协作式AI系统,旨在解决当前开源通用生成系统面临的稳定性和规划挑战。该系统基于ComfyUI平台,引入了两项关键创新:语义工作流接口(SWI)和带本地反馈执行的搜索树规划机制。SWI将低级节点图抽象为语义函数,而搜索树规划将生成过程视为分层决策任务。实验表明,ComfyMind在ComfyBench、GenEval和Reason-Edit三个基准测试中均大幅超越开源基线,并达到与GPT-Image-1相当的性能,为开源通用生成AI开辟了新路径。
这项研究介绍了一种名为"热带注意力"的新型注意力机制,专为解决神经网络在组合算法推理中的困境而设计。传统注意力机制使用softmax函数产生平滑的概率分布,无法精确捕捉组合算法所需的锐利决策边界。
这项研究揭示了RAG系统中位置偏见的真实影响——虽然在受控环境中明显存在,但在实际应用中却微不足道。研究人员发现,先进的检索系统不仅会找出相关内容,还会将具有干扰性的段落排在前列,超过60%的查询中至少包含一个高度干扰段落。由于相关和干扰内容同时出现在检索结果前列,位置偏见对两者都有惩罚作用,从而抵消了偏见效应。因此,基于位置偏好的复杂排序策略并不比随机排序更有效,这一发现将优化方向从段落排序重新导向检索质量提升和模型抗干扰能力增强。