在《纽约时报》报道 Airbnb 联合创始人 Joe Gebbia 加入埃隆·马斯克的"政府效率部门" (DOGE) 近两周后,Gebbia 于周四在 X 平台上澄清了自己的职责。他表示,作为起点,他将运用自己的设计专长,参与改革政府那个以缓慢和大量纸质文件著称的退休流程。
这个系统确实需要帮助。人事管理办公室 (OPM) 代理主任 Chuck Ezell 在今天发布的视频证言中表示(该视频被 Gebbia 转发),一周前,政府"挑战"该机构"以完全数字化的方式处理退休人员的申请,不打印任何纸质文件"。截止期限仅为一周。
在同一视频中,一名机构员工告诉摄影师,他们已经成功将流程缩短到两天。
这个流程是否可扩展、可持续或甚至可重复还有待观察,但 OPM 多年来一直面临着系统现代化的压力。去年夏天,该机构启动了新的在线退休申请平台试点项目,以回应人们对福利处理延迟的持续担忧。这个问题在 2023 年引起了关注,当时几位议员发布新闻稿,敦促 OPM 解决退休人员申请处理缓慢的问题,一些人等待领取福利的时间超过 90 天。
Gebbia —— 凭借其持有的 Airbnb 股份已成为亿万富翁 —— 目前仍在这家短期租赁巨头的董事会任职。自 2022 年 9 月起,他还担任特斯拉的董事会成员。
在其 X 平台帖子中,Gebbia 写道:"自 2022 年离开 Airbnb 的运营职务以来,我一直在寻找下一个数字设计挑战。我认为很少有比志愿改善政府用户体验更重要的挑战了。"
除了共同创立 Airbnb,Gebbia 还是 Samara 的联合创始人。Samara 是 Airbnb 的衍生公司,生产预制房屋,客户可以自定义布局、颜色、窗户、门和露台,而 Samara 表示会处理其余事务,包括获取相关许可。
上周,Samara 宣布将捐赠价值 1500 万美元的住宅,用于帮助在一月份火灾中失去家园的洛杉矶居民,该火灾造成约 300 亿美元的房地产损失。
自 Gebbia 参与 DOGE 的消息披露以来,一些 Airbnb 房东在平台上表达了不满,有些人告诉旧金山标准报,他们已经撤下了房源。一位长期 Airbnb 房东对该报表示:"在华盛顿特区地区,看到 DOGE 对我们社区和经济的影响,我觉得我不能再诚信地当 Airbnb 的房东了。"
Airbnb 在给该媒体的声明中强调,自 2022 年以来,Gebbia 就没有参与公司的日常运营,发言人补充道:"Airbnb 一直不仅仅代表某一个人的观点。我们的社区由数百万房东和数亿来自各行各业的客人组成。"
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。