Stern School of Business
PulseAugur coverage of Stern School of Business — every cluster mentioning Stern School of Business across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
《堡垒之夜》职业选手Clix启动基金以抵消电竞游戏的高昂成本
《堡垒之夜》职业玩家Cody Conrod（艺名Clix）通过他的新控股公司Full Box Inc.启动了Dr3amin Access Fund。该计划旨在通过提供必要的游戏设备来帮助有抱负的电竞玩家，以解决进入职业游戏的高昂成本问题。Conrod本人也曾面临购买合适硬件的经济障碍，他受到MrBeast慈善模式的启发，将他现有的赠品活动正式化，以支持下一代游戏玩家。
-
人工智能采用面临“试点炼狱”和“充斥着演示文稿”的困境，成本不断攀升
企业人工智能的采用正面临着“试点炼狱”和“充斥着演示文稿”的局面，这与互联网泡沫时期的情况相似，但有其独特的转折。艾米·韦伯（Amy Webb）等专家指出，虽然人工智能降低了生产成本，但却显著增加了公司的其他成本，导致一种“购买丰富性”的感觉，而缺乏明确的长期价值。许多公司陷入了无休止的试点项目，尽管人工智能预算不断增加，但这些项目未能扩展或整合到工作流程中。高管们将人工智能用作与人工智能实际生产力提升无关的成本削减措施的借口，加剧了这种情况。
-
比尔·盖茨提议征收机器人税和设立“人类保留”岗位以应对AI造成的就业岗位流失
比尔·盖茨提议征收“机器人税”并设立“人类保留”岗位，以应对AI对就业可能产生的负面影响。他认为，当前的税收体系鼓励企业用机器人取代人类工人，因为机器人购买可以作为业务费用抵扣，而人类员工的工资税则不能。盖茨建议，对机器人和AI代币征税可以为再培训计划产生收入，并加强社会保障网络，“人类保留”岗位将确保某些职位因经济或伦理原因而仅限人类担任。这些提议旨在减缓人类劳动力的流失，并减轻与AI广泛采用相关的社会危害。
-
AI广告标签根据新的IAB框架将点击率降低31.5% · 跟踪4个来源
互动广告局（IAB）发布的新自愿性指南建议广告商为AI生成的内容打上标签，此举已显示出将点击率降低31.5%。这些建议得到了纽约大学研究的支持，旨在明确哪些AI使用需要向消费者披露。广告商有60天的宽限期来指定负责披露的负责人。
-
特朗普的Truth Social推出付费API以提前访问帖子，引发内幕交易担忧
特朗普媒体与技术集团推出了Truth API，这项服务为华尔街交易员提供Truth Social帖子的提前访问权限，包括唐纳德·特朗普的帖子。这项基于订阅的服务，每月费用高达10万美元，引发了重大的道德担忧，一些专家称之为一种内幕交易。批评者认为，提供对可能影响市场的信息的更快访问会造成不公平的竞争环境，并促使美国证券交易委员会（SEC）进行调查。
-
特朗普推出每月10万美元的Truth Social提前访问服务，面临内幕交易指控
唐纳德·特朗普推出了一项新的每月10万美元订阅服务，为华尔街公司提供Truth Social帖子的提前访问权限。这项名为Truth API的服务允许订阅者比公众提前几毫秒收到帖子，此举受到了经济学教授和法律专家的批评，并被指控内幕交易。尽管特朗普媒体与技术集团辩称该服务是为了提供快速访问公共数据的方式，但一些人认为这会将源自总统职位的资讯变现，如果在公开前分享了影响市场的消息，则可能违反联邦法律。
-
财富500强企业标志着200多年的商业长青
几家财富500强公司展现了非凡的生命力，其中一些公司的历史可以追溯到200多年前的美国早期。这些经久不衰的企业，主要集中在金融和饮料行业，它们经历了战争、经济危机和技术颠覆。专家认为，它们的生存得益于选择了具有长期可行性的行业，以及拥有具备战略眼光和严谨决策能力的领导层。
-
纽约大学教授称“追随你的热情”的职业建议是“愚蠢的”
纽约大学斯特恩商学院教授Suzy Welch认为，普遍的“追随你的热情”的建议是错误的，并可能有害。她认为，职业成功最好通过将工作与技能、价值观和真实的自我相结合来实现，而不是仅仅追求热情。Welch还强调了关于个人性格和能力的自我认知的重要性，以及承担风险和拥抱失败的意愿。
-
千禧一代为对抗就业市场中的年龄歧视而隐藏工作年限
30多岁和40多岁的千禧一代求职者正在策略性地从简历和职业档案中省略工作年限，以对抗当前就业市场中的年龄歧视。这一策略得到了AARP等组织的支持，旨在防止年长候选人因经验不足或经验过于丰富而被拒绝。虽然一些专家建议关注未来的贡献和文化适应性，但相当一部分40岁以上的劳动者报告称经历过年龄歧视，并担心AI工具可能会加剧招聘过程中的此类偏见。
-
LLM驱动的传记生成
Eugene Yan 使用了包括 GPT-4、Claude-v1.2 和 Cohere-xlarge 在内的几款大型语言模型，要求它们生成他的传记。他观察到，尽管模型捕捉到了他职业生涯的大致要点，但关于他的教育和就业历史，模型常常包含事实性错误。Yan 指出，GPT-3.5 和 GPT-4 在测试模型中表现最好，但仍然存在错误，这表明它们的知识仅限于其训练数据。