背景大部分中大型的互联网公司，会按照一个技术团队+多个业务团队的组织形式。技术团队负责技术基础建设，而业务部门更多的聚焦在业务迭代上。这种组织形式有其优越性：可以避免大量重复技术建设减少上下文，降低沟通成本在技术成长上，技术部门的同学拥有更多的时间进行技术钻研，往往能够得到快速的技术成长。反观业务团队，快速的业务迭代已经占据了心力，对技术往往浅尝辄止，导致在技术成长上陷入瓶颈。用一个同学的话来说就是：需求都做不完了，还有精力分析源码？😅本文并非探讨部门孰优孰劣，仅以解决问题角度出发。业务部门同学能够更加深入地理解业务，拥有更广阔的业务视角。对技术部门的同学来说也是适用的：如果连业务都不了解，技

作者| 刘新翠整理| 徐杰承本文整理自快狗打车技术总监刘新翠在WOT2023大会上的主题分享，更多精彩内容及现场PPT，请关注51CTO技术栈公众号，发消息【WOT2023PPT】即可直接领取。本次分享主要围绕研发管理中的量化指标展开，介绍如何应用恰当的管理方式调整、释放团队成员的个性及团队活力。分享如何通过更先进的管理方式，改造团队，使团队能够为组织提供更多价值。1、研发管理的新变革技术是服务于业务的，商业环境变化会导致业务产生新的变化，在商业环境供小于求时，只需要控制产量，整个商业环境是可控的，研发管理的方向也是以规划组织、执行为主。当商业环境到了可预测阶段，则需要通过现有数据预测未来商业

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。北大团队最新工作，用扩散模型也能实现拖拉拽P图！点一点，就能让雪山长个儿：或者让太阳升起：这就是DragonDiffusion，由北京大学张健老师团队VILLA（Visual-InformationIntelligentLearningLAB），依托北京大学深圳研究生院-兔展智能AIGC联合实验室，联合腾讯ARCLab共同带来。它可以被理解为DragGAN的变种。DragGAN如今GitHubStar量已经超过3w，它的底层模型基于GAN（生成对抗网络）。一直以来，GAN在泛化能力和生成图像质量上都有短板。而这刚好是扩

8月2日消息，谷歌研究团队正在进行一项实验，他们使用OpenAI的GPT-4来攻破其他AI模型的安全防护措施，该团队目前已经攻破AI-Guardian审核系统，并分享了相关技术细节。IT之家经过查询得知，AI-Guardian是一种AI审核系统，能够检测图片中是否存在不当内容，及图片本身是否被其他AI修改过，若检测到图片存在上述迹象，便会提示管理员前来处理。谷歌DeepMind的研究人员NicholasCarlini在一篇题为“AI-Guardian的LLM辅助开发”的论文中，探讨了使用GPT-4“设计攻击方法、撰写攻击原理”的方案，并将这些方案用于欺骗AI-Guardian的防御机制。▲图源

Hi，大家好我是ssh，今天和大家分享一篇文章，讲述了Chrome团队和Youtube共同配合，优化了油管这个不存在的视频网站的性能。首屏速度更快了播放器组件大幅度优化通过CoreWebVitals指标的页面比例更高从这篇分享 BuildingaBetterWeb-Part1:AfasterYouTubeonweb[1]中，你能学习到世界上顶尖的团队是如何相互配合，优化世界各地用户的性能体验。Chrome团队经常谈到“建设更棒的Web”，这啥意思呢？Web体验应该快速[2]、可访问[3]，并在用户最需要的时候具备网络可靠性[4]。吃自己的狗食（EatingYourOwnDogFood）[5]是

这几天，室温超导的复现实验，牵动着所有人的心。三日之期已过，不少复现实验已经出了结果，然而大多却不太乐观。关于全世界的复现实验，目前已经确定的消息有——一个来自印度的团队初次复现失败。原因或是由操作不规范导致，正在继续复现。B站UP主「关山口男子技师」烧制的样品，经测量后具有微弱的抗磁性，还不具有超导性。东南大学的复现结果体现了微弱的抗磁性，但并无超导磁悬浮现象。凝聚态理论中心表示，实验正在进行中，结果将很快公布。根据南京大学教授闻海虎的介绍，论文中的抗磁相变这一点，非常容易导致误判。无论如何，目前在室温下就能产生抗磁性跳变的材料还是很罕见的，因此，也有越来越多的人相信，韩国团队确实有了一些发

前几日，两篇室温超导的论文在arXiv上先后发出，震惊了全世界。而现在，据说中科院物理所已成功复现韩国的室温超导体？从昨天下午，这个消息开始从网上传出后，网友们立马沸腾了，激动地奔走相告。根据网友爆料，中科院物理所已制备好样品，可以确定磁化率与韩国团队发布的文章一致。来源：豆拌姜不过暂未观察到悬浮现象，或许是由纯度问题导致，现在团队在卯足了劲加班加点提高样品纯度。目前，中科院物理所对此已经进行了辟谣，表示目前还没有相关实验的消息，请大家以公开发布的论文为准。现在，全世界都在激动地等待。LK-99最快3天就能制造出来，如果三天内没有被证伪，韩国团队发现的室温超导很可能就是正确的！看起来越来越真了

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。特斯拉十年前的瓜被爆出来了——严重夸大续航里程数！服务中心都被投诉淹了，曾成立秘密团队压制。据路透社爆料，特斯拉高管曾要求设计师编写算法操纵仪表盘上的显示，给车主“过于乐观”的续航预测。（据说是马斯克下达的指示）直到电池电量低于50%，仪表盘显示才会更贴近真实续航。为了防止电量快速下降车主被困在半路，特斯拉还设计了一个“安全缓冲区”，即使仪表盘显示电池电量已耗尽，还能额外续航约24公里。现在，特斯拉是否还在夸大仪表盘续航估测，这事儿不清楚。但汽车测试人员和监管机构的指责还没停止。今年早些时候，韩国监管机构还以特斯拉在2

近期，指令微调（IFT）已经被作为预训练大语言模型（LLMs）获得指令遵循能力的关键训练阶段。然而，广泛使用的IFT数据集（例如，Alpaca的52k数据）却包含许多质量低下的实例，这些实例带有错误或无关的回应，对IFT产生了误导和不利影响。先前的处理方法主要依靠人工筛选这些低质量数据，但这既费时费力，又难以扩展。因此，如何以高效、自动化的方式过滤出这些低质量数据，成为提升LLM微调效果的关键所在。现在，来自马里兰大学，三星和南加大的研究人员提出了一种有效的数据过滤策略，使用强大的LLM（例如，ChatGPT）自动识别和移除低质量数据，以改善指令微调（IFT）的效果。图片论文地址：https:

近期ChatGPT/GPT-4系列产品引发全球关注和讨论，以其为代表的大模型在语言方面表现出了一定的通用性，使通用人工智能的概念浮出水面，进入了大众视野。业界很多人认为大模型是通往通用人工智能的必经之路，然而大模型真的如业界所追捧的一样“无所不能”么？以GPT-4为代表的大语言模型究竟离通用人工智能还有多远？北京通用人工智能研究院朱松纯教授团队最新发布了一份针对大模型的技术报告，系统回顾了现有使用标准化测试和能力基准对大型语言模型（LLMs）进行的评估，并指出了当前评估方法中存在的几个问题，这些问题往往会夸大LLMs的能力。报告进一步提出通用人工智能（AGI）应具备的四个特征：能够执行无限任务