腾讯微信，今年取消了24届秋招。。。

大家好，我是 Jack。

今天继续聊聊互联网上发生的那些事吧。

又是聊技术、聊“八卦”的一天～

一、微信取消了24届秋招

最近，各个公司都开启了秋招，很明显感受到了 24 届同学们的竞争压力。

毕竟“好坑”，就那么多。

7 月 13 日，腾讯招聘官微宣布：腾讯微信团队全实习，不秋招！也就是说，24 届正式批的秋招，取消了！

想要进腾讯的微信事业部，不能直接投递简历参加正式批，需要先参加实习：

微信官方给出的解释是：“这样变化的初衷是希望同学们通过至少 2 个月的实习和团队更加深入的了解，通过实习考核后再正式入职。”

24 届的秋招，挺难啊！

二、实锤 GPT-4 真变笨了

近日，有人发论文实锤 GPT-4 变笨了。

论文链接：

https://arxiv.org/pdf/2307.09009.pdf

这是一篇来自斯坦福、UC Berkeley 的一篇 arXiv 论文。

研究者们通过对比研究 GPT-3.5 和 GPT-4 的 2023 年 3 月的版本和 6 月的版本发现。

在四个任务上，这些大语言模型，随着时间的推移，数据指标越变越差。

特别是解数学问题的能力，用雪崩形容一点都不过分。

从 3 月份的 97.6% 准确率，降到了 6 月份只有 2.4% 的准确率。

可能是更新进去的数据越来越多，被 pua（prompt）久了，它也 emo 了？

三、Transformer 取代者？

大语言模型的成功，某种程度上要归功于 Transformer 架构在自然语言处理任务上的突破。

Transformer 让训练并行，但也有代价，那就是低效，每一步的复杂度为 O(N) ，耗显存、也耗内存。

这也是小公司，玩不起大语言模型的原因。毕竟从头训练一个大语言模型，首先要有上百张 A100 显卡。

为了解决这个问题，微软研究院和清华大学的研究者取得了突破。

推理复杂度直接降为了 O(1)。

论文链接：

https://arxiv.org/pdf/2307.08621.pdf

在这项工作中，研究者提出了 RetNet 网络，实现了低成本推理，性能媲美 Transformer，打破了「不可能三角」。

RetNet 的推理成本与长度无关。对于 7B 模型和 8k 序列长度，RetNet 的解码速度是带键值缓存的 Transformers 的 8.4 倍，内存节省 70%。

在训练过程中，RetNet 也能够比标准 Transformer 节省 25-50% 的内存，实现 7 倍的加速。

该项技术，能够产生多少更厉害的大语言模型，拭目以待吧。

四、三大运营商暂停办理eSIM业务

eSIM，全称为 Embedded-SIM，就是将 SIM 卡直接嵌入到设备芯片上，实现真正设备无卡化。

像 Apple Watch 蜂窝移动版，就是使用了 eSIM 一号双终端的服务，可以实现手机与智能手表等穿戴设备的绑定，共享一个号码、话费及流量套餐。

这样在一些手机不在身边的场景，也能通过手表与人通信。

就在最近，移动、联通、电信纷纷叫停了这项业务的办理。

已经有 eSIM 业务的用户，可以继续使用，但没有这个业务的用户，已经无法办理。

据网友推测，运营了多年的 eSIM 一号双终端被叫停，可能跟该业务存在的 bug 有关。

比如可以将 eSIM 芯片拆出来焊接到专门的卡板上，还原为实体 SIM 卡。

而 eSIM 没有实名认证，该漏洞可能被用于电信诈骗。

同时，该业务似乎被不法分子滥用将 eSIM 分成多个实体卡，并且每个实体卡，都能超额使用流量，从而导致运营商损失惨重。

至于业务恢复时间，应该要等到 bug 修复之后了。

五、最后

话说，大家喜欢这样的“大杂烩”文章吗？还是喜欢看硬核一些的纯技术文？

好了，今天就聊这么多吧，我是 Jack，我们下期见！