近日,由国家互联网信息办公室和浙江省政府共同举办的“迈向数字文明新时代——携手构建网络空间命运共同体”2021年世界互联网大会在浙江乌镇召开。大会今年首次举办“携手构建网络空间命运共同体精品案例”发布展示活动,领英经济图谱成功入选全球12项“携手构建网络空间命运共同体精品案例”。领英经济图谱由全球领先的职场社交平台LinkedIn(领英)绘制,致力于通过数字化形式展现全球经济,为全球30亿劳动力中的每一位创造经济机会。
自今年四月以来,大会组委会面向国内外政府部门、互联网企业、社会组织、技术社群、科研机构和高校等开展征集工作,从网络基础设施建设、网上文化交流、网络经济创新发展、网络安全保障和网络空间国际治理五大实践路径全面展现世界各国开展的最佳实践案例,生动讲述网络空间国际交流合作故事。活动累计征集到了国内外各方申报案例200余个,评选产生60个案例形成实践案例集,领英经济图谱因理念契合度高、国际影响力大、社会价值突出、展现形式丰富,在入编案例集后又被进一步复评为12个精品案例之一。
LinkedIn(领英)全球副总裁、领英中国总裁陆坚博士受邀在“携手构建网络空间命运共同体精品案例”发布展示活动上介绍了领英经济图谱的最新数据,目前领英在全球有7.74亿会员、3.8万职业技能、5,800万雇主公司以及12万家教育机构,在中国平台也有5,400万会员和35.9万雇主公司。陆坚博士表示,“非常荣幸领英经济图谱入选精品案例。领英经济图谱不止是一个数字关系地图,更是理想的政策参考工具。借助领英的海量数据,我们可以衡量并理解世界经济的复杂动态,也希望以此推动网络经济创新发展,促进共同繁荣。”
以大数据洞察,实现人才与机遇之全新连接
领英经济图谱项目致力于通过数字化形式展现全球经济。集合领英全球会员的公开信息,领英能够进行全球经济层面的预测以及人才趋势的分析,如跨区域人才流动、职位供需分析、技能差距分析等,帮助人才和机遇以全新方式实现对接。
近年来,随着数字经济发展和企业数字化转型,领英经济图谱开始重点关注数字人才领域,并携手清华大学经管学院等国内顶尖研究机构,分析数字经济下城市及城市群整体的人才特点。例如,领英经济图谱的研究成果之一《全球数字人才发展年度报告(2020)》发现,从研究的31个城市和地区来看,数字人才在非ICT行业比例更高,不难发现目前数字化转型已经深入到各行各业,成为行业发展的必然趋势,具体来看,洛杉矶、纽约、香港、阿联酋、伦敦非ICT行业数字人才占比位居前五,且均超过80%。
领英经济图谱同样关注后疫情时代中国高效毕业生所面临的挑战与机遇。去年领英经济图谱发布了《高校校友观察:中国高校毕业生职业发展研究与展望2020》,通过对中国十所“双一流”高校超过21.8万毕业生的发展情况进行“画像分析”,洞察高校毕业生发展选择的方向与趋势,借此为高校毕业生、高校在读学生、即将步入高校的新生,乃至高中毕业班学生提前规划发展路径提供帮助。报告发现,中国毕业生职业发展呈现“出国留学 - 回国就业”的良性人才环流态势,与此同时,高校毕业生的就业创业更趋灵活和多元化。这些发现能助力毕业生更好地面对后疫情时代的职业挑战。
以前瞻性视野,助推全球经济可持续发展
依托领英经济图谱,领英持续在数字化、网络化和智能化的时代中保持敏捷,以前瞻性的全球视野关注社会发展议题,如劳动力市场、绿色可持续发展、性别平等和职业路径等,并提供有价值的参考。
在去年疫情期间,领英通过劳动力市场研究跟踪各国疫情后经济复苏趋势:经过横向的多国对比发现,中国市场的雇佣率在四月开始处于领跑地位,基本和复工复产政策实施保持一致;结合对职业路径的研究还可以发现,在疫情期间的技能增长最快的技能包括编程、营销、数据分析等,这些提升人才的数字技能将成为劳动力抵御风险的关键因素。领英还通过推出技能路径职业探索工具等一系列尝试,帮助人才提升技能,应对不确定性挑战,推动全球劳动力市场平稳发展。
领英同样关心全球经济的可持续发展。领英经济图谱确定了大约800种核心绿色技能和300多种绿色相关技能,涵盖12个类别,包括污染预防、废物预防、可再生能源和可持续性,通过识别和跟踪绿色技能,为全球绿色经济发展释放更多潜力。在中国,随着加快构建绿色低碳循环经济体系,对具有“绿色”技能的人才的需求也在不断增长。“绿色”技能不仅包括从事清洁污染、环保、可再生能源等工作的人所拥有的技能,也包括在其他行业以更环保的方式开展工作的技能。领英经济图谱发现,从2018年至今,绿色技能有了更快速的增长,其中增长最快的生态系统管理类别增速超过100%,说明了应对气候变化、自然灾难等的人才需求非常大。
在充满不确定性的背景下,作为全球领先的职场社交平台,领英将继续发挥全球平台和海量数据优势,通过绘制世界首个经济图谱,以数字形式呈现全球劳动力市场和全球经济发展动态,为全球职场人、企业决策者、政策制定者提供数据洞察和趋势分享,竭己所能助推全球经济健康发展。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。