如今人工智能技术正在重塑人们的生产生活,然而面对空前的人工智能时代机遇,女性似乎被落在了后面。在全球人工智能研究人员当中女性仅占12%,在专业的软件开发人员当中只有6%,甚至用于训练人工智能的数据也往往对妇女和女童存在偏见。
今年3月8日将迎来第114个国际妇女节。节日临近,Akamai大中华区市场总监付芊芊与Akamai大中华区渠道与项目总监张莉爽接受了至顶网的独家专访。
Akamai大中华区市场总监付芊芊
Akamai大中华区渠道与项目总监张莉爽
以下是采访实录(经过编辑):
您从事什么工作,是如何走入科技行业的?
付芊芊:我在Akamai公司负责大中华区市场营销工作。我在大学期间的专业是信息工程,进入职场之初恰逢通讯行业大发展的时期,我的校友几乎毫无例外都进入了科技行业。我进入职场之初是在一家通讯软件企业做程序开发工程师,之后慢慢寻找自己的兴趣,也有一段MBA的学习经历。当时也恰逢智能手机问世,移动互联网、电商快速发展,科技的创新让这个行业变得特别有吸引力。所以,我进入科技行业首先是我父亲让我选择的大学专业,其次是跟着时代发展的步伐顺势而为。
在您的成长以及职场经历中,是否有受到一些女性榜样的影响?
付芊芊:我的职场经历中有不少女性的榜样,比如我现在所在Akamai公司的CMO Kim Salem-Jackson女士, 她是一个感染力极强、富有同理心且果敢变革的Leader,她很早就提出Data-driven Marketing,并且建立了数据模型团队,并采用了业界很多先进的Martech技术来提升Marketing的工作效能,并以量化的结果推动业务的发展,这个在B2B行业里面其实并不多见,她让我看到了把Vision变成现实的智慧、方法和非常正能量的can-do精神。
张莉爽:很多女性管理者在我的成长道路上给过我引领和激励,第一位在高科技企业负责媒体公关业务,她使我看到卓越的沟通、共情和表达能力对职场发展的意义。第二位在高科技企业担任集团客户销售总监,面对复杂的客户关系和极大的业绩压力,她能够持续带领团队持续超越达成业绩指标。她给我的启示是放下“女性”标签,像男人一样拼搏和运筹帷幄。第三位是Akamai的一位女性高管,她鼓励我要敢于发声,要善于给自己的成就曝光和认可,这是女性时常忽视的。以上三位女性领袖风格各不相同,但也有一个突出的共同点:在自己的业务领域中精进,这是任何职场人成功的基础。总结起来,女性在职场如果可以在自己的领域精进,又懂得扬长避短,就有很多发挥的空间。
您认为什么方式能让更多的女性加入到广泛的科技行业中?
付芊芊:我觉得任何一个行业或一份事业都需要有一个内驱力——兴趣或者说是好奇心,这让人保持持续学习、一直向前。同时,我们也需要具备resilience(坚韧),让我们遇到挫折能够不放弃。最后是要自信,勇敢!在快速发展的创新科技领域里,对于女性或者说不止是女性这些是需要具备的。
结语
Akamai提供一个日益多元化和包容性的工作场所,每个人都能畅所欲言,找到归属感。
在Akamai公司认真工作、快乐生活的女神们,也是努力、自律、专业与魅力的代名词,她们在岗位上绽放的芳华,是Akamai公司美丽的风景。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。