当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 谷歌员工爆料Python基础团队原地解散

谷歌员工爆料Python基础团队原地解散

来源:51CTO.COM 2024-04-29 08:09:10 0浏览 收藏

科技周边不知道大家是否熟悉?今天我将给大家介绍《谷歌员工爆料Python基础团队原地解散》,这篇文章主要会讲到等等知识点,如果你在看完本篇文章后,有更好的建议或者发现哪里有问题,希望大家都能积极评论指出,谢谢!希望我们能一起加油进步!

什么?谷歌解雇了整个 Python 基础团队?

谷歌员工爆料Python基础团队原地解散

与你直接共事的每个人,包括你的上级,都被裁员——哦,是职位被削减,而你被要求安排他们的替代者入职。这些人被告知在不同的国家担任同样的职位,但他们并不为此感到高兴,这是很艰难的一天。

谷歌员工爆料Python基础团队原地解散

发布这一动态的 Thomas Wouters,简介是「Google 员工、Python 指导委员会、Python 3.12 和 3.13 的发布主管」。

这个消息惊动了领域内的很多开发者,包括 PyTorch 创始人、Meta 杰出工程师 Soumith Chintala:

谷歌员工爆料Python基础团队原地解散

被讨论最多的,当然是裁撤的原因。

谷歌并没有完全放弃 Python 基础团队,而是将原先在美国的团队解散,在德国慕尼黑重建团队。

谷歌员工爆料Python基础团队原地解散

这种做法,应该是出于成本考虑:

谷歌按地区向员工支付工资。我记得,旧金山、纽约和西雅图是全额工资,其他地区有一定比例的折扣。如果你居住在美国但不在这些大都市之一,工资可能会低 15% 左右。

昨天的裁员似乎被视为重组。一些团队已被彻底解散。有些已经合并(两支球队 → 一支球队)。

似乎确实存在一种有利于低成本地区人们的模式。例如,两个团队合并,成本较高的经理被解雇,或者整个团队被解雇,然后这些职责由工资较低的办公室的人员重新承担。

鉴于谷歌给美国员工的工资很高,某种程度上说,裁员会大幅增加利润。不过在美国招聘也有很多好处 —— 强大的人才库、在同一地区 / 时区保持团队运作等。

谷歌员工爆料Python基础团队原地解散

也有人指出:「人们不明白的是,他们所做的工作是否真的能为谷歌带来每年 10 人 500 万美元的价值,还是可以由两个非常聪明的 Python 专家来完成。技术裁员的关键不在于他们没有做重要的工作,而在于有大型团队来做基本上可以由两人团队完成的事情。」

问题是,该团队似乎完成了大量对谷歌内部也至关重要的工作:

谷歌员工爆料Python基础团队原地解散

但这一次的事,有人认为,裁撤基础团队是谷歌采取的一种策略:

Meta 显然推动了 CPython 的大部分效率。列出的项目大多是稳定的,因此谷歌让社区推动它前进是明智的,他们只是使用它(你懂,「我们有非常善于平衡工作与生活的经理」以及「马拉松而不是冲刺」)

谷歌内部的 Python,至少对于非人工智能的业务来说,感觉与世界其他地方不同的默认值有很大不同。这可能会产生最终对齐外部 Python 社区的广泛副作用。

换个角度想,这对 Meta 来说或许是个好消息:

谷歌员工爆料Python基础团队原地解散

你怎么看?

好了,本文到此结束,带大家了解了《谷歌员工爆料Python基础团队原地解散》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多科技周边知识!

版本声明
本文转载于:51CTO.COM 如有侵犯,请联系study_golang@163.com删除
Marshal/Unmarshal google.protobuf.Any proto 消息Marshal/Unmarshal google.protobuf.Any proto 消息
上一篇
Marshal/Unmarshal google.protobuf.Any proto 消息
Golang 中使用 ioutil.ReadAll() 出现“无效内存地址”
下一篇
Golang 中使用 ioutil.ReadAll() 出现“无效内存地址”
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    262次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    308次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    289次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    266次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    79次使用