Alexey Zhokhov,高高的個子。漢語流利,開朗健談,雖然他來自我們的鄰國俄羅斯,但是卻不像視頻里“戰(zhàn)斗民族”那樣彪悍。
“中國的互聯網發(fā)展的非常迅速,因此在中國從事互聯網行業(yè)還是非常有發(fā)展的。所以我覺與美國互聯網持平,甚至超越美國互聯網,并不是很困難的事情。”這是Alexey對于中國互聯網行業(yè)所持有的觀點,或許這也從側面說明了Alexey選擇在中國從事互聯網行業(yè)的原因。
Alexey Zhokhov
Alexey Zhokhov同樣來自“光音網絡”,是第一期《IT老外在中國》中的主角——Nathaniel的同事,所以在同樣酷熱的下午,同樣的科林大廈,同樣的汗出如漿,同樣閑散慵懶的簋街旁邊,同樣的“科技寺”,不同的老外主角同樣說著流利而標準的中文,以及他眼中對于中國的看法。
說起來中國的原因,Alexey總結起來就是原因很簡單,“我媽媽不太想讓我在俄羅斯學習,也不想讓我留在俄羅斯,所以我便決定出國留學。而我確定來中國是聽取了一個在哈爾濱開西餐廳的朋友的建議。”
大學畢業(yè)之后,Alexey便從哈爾濱去到了上海,并在上海工作了三年?;蛟S對于勤奮的人來說,上天總會給他們更多的機會,所以后來在更好的機會下Alexey從上海來到了北京,開始了一名老外在中國的“北漂”生涯。
一次偶然的聚會中,Alexey認識了David和Nathaniel。被David和Nathaniel說服的Alexey,加入到了光音網絡之中。
“我們那次的面試并不像一個真正的面試,而更像是一個聚會,我們幾個人喝著酒聊著天。就這樣,當他們確定我能夠勝任這個工作時,我便下定決心一定要來這個公司,因為David和Nathaniel都非常Nice,這個團隊深深地吸引了我。”在這個多元化的團隊中,每個人的思想都非常獨立而且很有想法,并不會有派系之分,Alexey覺得這對一個公司來說是非常健康的。
Alexey對國內的網購環(huán)境非常滿意,“在網上訂購一個產品,第二天可能就會送到,中國這種互聯網和物流之間的業(yè)務做得很出色。俄羅斯在物流方面就遜色得多,網購的東西有時要等上一兩個月,甚至當你已經忘記你買過這件東西時才會被送到。”
他覺得相比于體驗很差的網銀來說,支付寶和微信支付都做得相當出色。“我希望這些互聯網創(chuàng)業(yè)公司能在中國發(fā)展得更快。既然有這么好的市場,還是希望中國公司能有一些創(chuàng)造力。”
作為一個全棧工程師,Alexey從小對電腦知識就非常喜愛,在來中國之前曾在俄羅斯跟同伴創(chuàng)辦了一個在線商城網站。Alexey現在主要負責廣告家Pro.cn移動平臺技術工作,這相對于PC平臺來說更加復雜。
Alexey認為,移動平臺的智能廣告投放是一件非常具有前景的工作,光音網絡是一家非常有前景的公司,“它能把國外先進的技術思想與國內成熟的市場經驗相結合,這是許多企業(yè)很難做到的事情,或許能成為下一個互聯網巨頭”。而這也是吸引他來到光音網絡的重要原因之一。
他對中國的印象就是這里很自由:無論你的行為舉止如何另類,都不會有人管你或者指責你,大家也并不會覺得你有什么不同,并不會給你太多約束。而在俄羅斯這則是不可能的,因為如果你和別人做的不一樣,那么大家一定會覺得你不正常。“所以在中國生活會讓人感覺很放松,因為我可以做我喜歡的事情,突出自己的個性。”
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據不同問題靈活調整內部專家配置。該方法在數學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯合研究團隊開發(fā)出Rolling Forcing技術,實現AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現,通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數據集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。