中国北京,2019年2月25日——致力于驱动在华企业释放数据潜能并加速数字化转型的领先智能数据管理解决方案和服务供应商联想凌拓科技有限公司(以下简称“联想凌拓”)于今日正式宣布,陆大昕(Eric Lu)先生被董事会任命为公司首席执行官。此举意味着联想凌拓迈出了商业运营的重要一步、为未来成功打下坚实基础。
联想凌拓科技有限公司首席执行官 陆大昕(Eric Lu)
陆大昕先生将负责制定并执行联想凌拓的长期发展战略,积极拓展市场,领导公司各部门充分发挥自身在产品技术、销售、服务等方面的优势,为更多在华客户提供符合自身业务需求的数据管理解决方案。同时,他也将推进联想凌拓的本地化研发与创新,打造更多符合客户需求的本地化产品组合,并承担起树立和强化产品品牌的重任。
联想凌拓董事长,联想集团高级副总裁、数据中心业务集团中国区总裁童夫尧先生表示:“联想凌拓是联想和NetApp战略合作的结晶,也是承载双方战略与期望的重要平台,首席执行官的遴选直接关系到公司的正常运营。陆大昕先生在公司战略、企业管理、市场拓展方面拥有丰富经验,同时擅长于组建并带领新团队开拓进取、取得成功。我们相信,陆大昕先生对中国IT市场的深入了解以及带领团队推动业务持续增长的能力,将为联想凌拓未来的成功打下坚实基础。”
联想凌拓董事会成员,NetApp全球区域与客户运营执行副总裁Henri Richard先生表示:“联想凌拓的创立是NetApp在中国市场的重大举措,也是NetApp全球战略布局的重要组成部分。联想凌拓是合资双方战略的载体,因此需要前瞻眼光与战略高度兼具的卓越领导人来全权负责和运营。而陆大昕先生拥有在本土公司和大型跨国企业的丰富实战经验,他的前瞻性和战略部署力已经得到成功验证,同时能够驱动团队精英释放潜能、助力企业实现飞跃式发展。相信他有能力统合联想与NetApp的各项优势,实现将联想凌拓打造成中国存储与数据管理市场最领先的厂商这一战略目标。”
多年来,陆大昕先生一直致力于IT行业的探索与实践,引领企业开展自主创新。加入联想凌拓之前,陆大昕先生在埃森哲担任董事总经理,主要负责企业在华本土化及为新兴“独角兽”公司开拓业务。陆大昕先生还曾担任SAP大中华区副总裁兼平台解决方案总经理,负责平台产品组合的GTM策略及营收;以及甲骨文大中华区ISV/OEM销售总经理,负责与合作伙伴一起发掘市场机会、制定切实可行的策略。
陆大昕先生表示:“联想凌拓的成立不仅是联想与NetApp的多方位全球战略合作伙伴关系的关键拼图,更是推动中国市场数字化转型、助力在华企业实现弯道超车的重要引擎。因此,能够担任联想凌拓首席执行官,我深感意义重大,责任非凡。在联想和NetApp的坚实资源基础上,联想凌拓将进一步扎根中国、服务中国,为在华企业与合作伙伴提供更先进的技术、更强大的产品、更完善的服务,并通过推进本地化研发与创新,向成为中国存储与数据管理市场最顶级厂商这一战略目标进发。”
好文章,需要你的鼓励
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。
这项研究探讨了多模态大语言模型在增强推理能力时出现的视觉幻觉问题。研究发现,模型生成更长推理链时,对视觉信息的关注减少,导致幻觉增加。研究者提出RH-AUC指标和RH-Bench基准来评估模型在推理与幻觉间的平衡,发现较大模型表现更好,纯强化学习训练优于监督微调加强化学习,且训练数据的类型比数量更重要。这些发现对开发既具推理能力又保持视觉准确性的AI系统具有重要意义。
这篇研究探讨了大语言模型在自动推理任务中的不确定性问题。研究者提出,模型生成形式规范时的概率不确定性不是缺陷,而是宝贵的信号源。通过引入概率上下文无关文法框架分析SMT-LIB程序分布,他们发现不确定性信号具有任务相关性(如逻辑任务中的语法熵AUROC>0.93)。他们的轻量级信号融合方法能减少14-100%的错误,仅需最小弃权,将大语言模型驱动的形式化转变为可靠工程学科。研究揭示当模型正确理解逻辑关系时会产生稳定的语法模式,为判断何时信任模型提供了可靠指标。
来自沙特阿拉伯王子苏丹大学和阿尔法萨尔大学的研究团队开发了GATE(General Arabic Text Embedding)模型,这是一套专为阿拉伯语设计的文本嵌入系统。该研究结合了套娃表示学习和混合损失训练方法,解决了阿拉伯语特有的语义处理挑战。GATE模型在MTEB基准测试的语义文本相似度任务中表现卓越,比包括OpenAI在内的更大模型高出20-25%,同时保持了多维度(768至64)的高效表现。研究通过详细的错误分析揭示了模型在不同相似度水平上的表现特点,为阿拉伯语NLP领域提供了新的研究方向。