Paul Maritz已经辞去了Pivotal软件公司CEO职位,并将权柄移交至该公司另一位创始人手中——而这正是其母公司EMC进行大规模行政结构变动所带来的巨大潜在变化之一。
Rob Mee
Maritz于本周二卸任,同日Pivotal公司联合创始人兼产品与研发执行副总裁Rob Mee出任新一届掌门人。
作为自2012年以来一直效力于Pivotal的高层管理成员,Maritz将继续出任该公司董事会的执行主席一职。
Pivotal软件公司并没有就我们针对此次领导换届提出的采访请求作出任何回应。
不过Maritz在一份声明当中表示,“Rob Mee一直凭借着帮助硅谷之内众多最具影响力及价值的企业塑造软件开发文化而赫赫扬名。他是一位出色的领导者兼技术人,对于企业业务充满激情,致力于践行我们的原则与价值观,而且清楚地知道该如何建立起一家成功的企业。”
Pivotal软件公司还在本周二指出,其年运营收入目前已经达到1亿美元。
Pivotal软件公司于2013年正式成立,且一直处于Maritz的领导之下。而其前身则是EMC方面于2012年12月公布的Pivotal倡议项目。Pivotal倡议项目将VMware旗下的非核心平台即服务(简称PaaS)构建技术与EMC方面的大数据技术以及Pivotal Labs——一款软件开发工具体系——共同加以结合。
而在EMC于2012年收购Pivotal Labs之后,Mee一直出任相关CEO职位。
Pivotal公司这一次的管理层变动恰逢其母公司EMC的关键性转型时期。EMC方面目前正承受着来自激进派投资方埃利奥特资本管理公司的巨大压力,后者强烈要求包含有EMC、VMware、商务分析软件开发商Pivotal、安全开发商RSA以及融合型基础设施开发商VCE的EMC联邦进行整体拆分。
EMC与埃利奥特资本管理公司于今年1月签订了一份暂停协议,其中约定EMC方面需要尽可能作出有利于投资方的运营状态调整,从而满足埃利奥特公司的投资回报要求。这份协议将于今年9月到期。
如果最终决定屈服于来自投资方的压力,EMC将拥有几种潜在出路可供选择,包括出售EMC联邦体系内的某些组成部分。虽然可能性最大的举措还是出售VMware公司,但EMC方面也可能选择影响更小的方式——例如出售Pivotal软件公司。
不过还有另一种可能性较高的结果,就是由作为领先存储及云技术厂商的惠普公司收购EMC。
根据分析人士的估计,这样一轮大规模商业合并确实可能性更高。这一猜测于去年开始出现,当时EMC正迫于激进派投资方的压力而评估到去年年底前将自身部分甚至全部业务进行出售的措施,同时惠普方面则计划拆分为两家独立企业——惠普企业业务公司与惠普有限公司。
根据当时的一份报告所言,惠普公司去年秋季曾经就收购一事与EMC方面进行过磋商。然而谈判最终未能顺利达成目标,因为EMC同惠普竞争对手思科公司合资成立了VCE,此外当时惠普还需要处理令其忙得焦头烂额的自身业务拆分工作——这一切都让情况变得空前复杂,Raymond James公司的分析师们解释称。
不过自那时之后,EMC方面从思科手中赎回了占VCE公司10%的全部股权。分析师们在报告中写道,这笔支付给思科公司的总值达7亿美元的股权交易资金完全能够在接受惠普收购后轻松收回成本。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。