阐述致力于持续开展可持续运营并创造长期价值的举措
中国上海,2022年11月2日 – VIAVI Solutions(VIAVI)(纳斯达克股票代码:VIAV)近日发布2022年环境、社会和治理(ESG)报告,内容涵盖公司2022财年的全球运营。公司于2020年发布了首份可持续发展报告,并于2021年发布了第二份报告。此次发布的2022年ESG报告阐述了VIAVI持续致力于将可持续发展融入自身战略和运营的方式。2022年ESG报告包含公司首次ESG优先事项评估的结果,该评估通过确定对公司业务战略、成功和创造长期价值的能力最具影响的环境、社会和治理议题,指导VIAVI的整体ESG战略。2022年ESG报告还包括公司根据与气候相关财务信息披露工作组(TCFD)的建议进行的披露,以及有关二氧化碳排放、能源消耗、人力资本管理及其他相关议题的额外数据。
环境
VIAVI提倡环境友好型实践,并致力于以可持续的方式开展业务。
社会
VIAVI的企业文化是全球3600名员工共同构建的,他们充分体现了多元化 —— 30多个国籍的员工在30个国家办公。VIAVI致力于促进并维持具有多元化和包容性的工作环境,并为所有人提供平等的机会。
治理
VIAVI通过落实商业实践、工具、培训和沟通,进一步致力于达到商业道德和公司治理的最高标准。
VIAVI总裁兼首席执行官Oleg Khaykin表示:“过去几年中,在疫情带来的不确定性中,VIAVI已经采取相应的措施,以进一步强化自身的ESG计划,包括通过实践行动来打造有助于员工取得成功的环境。”
VIAVI董事会主席Richard Belluzzo表示:“我们将持续专注于帮助客户取得成功,打造出一支更具包容性的员工队伍,并提升自身业务的可持续性。我们相信,坚定不移地注重自身ESG计划,将能够使我们加速实现这些承诺。”
关于报告
2022年ESG报告涵盖VIAVI 2022财年(2021年7月4日至2022年7月2日)的全球运营,且除非另有说明,还包括公司及其全资子公司的活动。在报告中,VIAVI将ESG定义为影响公司长期业绩的非财务因素的分类方式,以及将相关和优先ESG因素纳入自身业务,进而以可持续的方式开展运营并实现长期价值的战略。2022年,VIAVI进行了首次ESG优先事项评估,体现了自身在ESG方面的深入细致。ESG优先事项评估是指导整体ESG战略的治理措施,因该流程旨在确定对VIAVI的业务战略、成功和创造长期价值的能力最具影响的环境、社会和治理议题。VIAVI的目标是定期评估广泛的ESG议题,为自身战略提供信息参考,并计划在随后的迭代中扩展优先事项评估的范围以及内部和外部利益相关者的参与程度。
前瞻性声明
本新闻稿包含《1933年证券法》第27A条和《1934年证券交易法》第21E条所指的前瞻性陈述。这些陈述是基于管理层对未来事件或结果的当前意见、期望、信念、计划、目标、假设或预测,包括但不限于VIAVI与ESG相关的承诺、战略和计划;商业计划和战略;技术、产品和服务;增长机会;以及利益相关者参与方面的努力。这些前瞻性声明涉及风险和不确定性,可能导致实际结果、活动水平、业绩、成就和事件与这些前瞻性声明所陈述、预期或暗示的结果存在重大差异。有关VIAVI相关风险和不确定性的更多信息,请参考VIAVI向美国证券交易委员会提交文件中的“风险因素”部分,包括但不限于10-K表年度报告和10-Q表季度报告。本新闻稿中包含的前瞻性声明是在发布之日作出的,VIAVI不承担更新这些声明的义务。
好文章,需要你的鼓励
这篇研究揭示了大语言模型强化学习中的"熵崩塌"现象——模型在训练早期迅速失去探索能力,导致性能达到可预测的上限。研究者发现验证性能和策略熵之间存在精确的数学关系:R = -a·exp(H) + b,并深入分析了熵变化的内在机制。基于这些发现,他们提出了两种简单有效的方法(Clip-Cov和KL-Cov)来缓解熵崩塌问题,显著提升了模型性能,特别是在困难任务上。这项研究为大模型强化学习的规模化应用提供了关键指导。
Skywork OR1是昆仑公司AI团队开发的开源推理大模型,通过创新的强化学习方法显著增强了语言模型的推理能力。该研究基于DeepSeek-R1-Distill模型系列,采用名为MAGIC的训练方法,在AIME24、AIME25和LiveCodeBench三大基准测试中实现了显著性能提升,32B模型平均准确率提高15.0%,7B模型提高13.9%。研究团队通过系统研究策略熵崩塌现象,提出了有效的缓解策略,并开源了全部代码、数据和模型权重,为AI社区提供了宝贵资源。
上海交通大学研究团队发现多模态大语言模型中的"啊哈时刻"(自我反思模式)虽存在但并不意味着推理能力提升。他们提出了"冷启动强化学习"两阶段方法:先用监督微调建立推理模式,再通过强化学习优化。实验表明,这种方法在多个多模态数学推理基准上表现卓越,使3B参数模型达到接近甚至超越部分7B模型的性能,为增强多模态AI推理能力提供了有效路径。
MBZUAI研究团队开发的SVRPBench是首个模拟真实物流环境的随机车辆路径问题基准测试平台。它通过建模时间依赖的交通拥堵、概率性延误和客户特定时间窗口,为500多个包含最多1000客户的测试实例注入真实世界的不确定性。实验结果显示,先进的强化学习算法在分布变化时性能下降超过20%,而传统方法表现更为稳健。该开源平台通过GitHub和Hugging Face发布,旨在推动更适应现实世界不确定性的路由算法研究。