百万粉网红当大学老师惹争议!北大论文被扒,被指因外籍身份获利

本文主要是介绍百万粉网红当大学老师惹争议!北大论文被扒,被指因外籍身份获利,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

点击下方卡片,关注“CVer”公众号

AI/CV重磅干货,第一时间送达

转载自:硕博关注

来源:盖饭娱乐(作者:大杯冷萃)

7月9日,有网友在论坛上发帖称:曾经参加过《令人心动的offer》第一季的梅桢去华东政法大学任教了,引发了网友们的大量争议。

据悉,这位梅桢小姐姐是那季节目中学历最高的实习生——本科就读于澳大利亚邦德大学,研究生就读于北京大学经济法学,博士就读于北京大学经济法学。

不过最后她却输给了学历不如她的队友,并没有拿到offer。

不少人认为,是因为梅桢虽然学历高,但能力却不够强。

而从此次曝光的《华东政法大学的拟聘人员公示》来看,梅桢的名字位居第一。

于是,有网友对梅桢做了一次详尽的“扒皮”。

据网友调查,梅桢是澳大利亚人,进入北京大学是通过“留学生通道”。

对这一行为,该网友也提出来质疑,直指她之所以能进入北大是的得益于外籍身份,是有“水分”的。

就这一点,其余网友们也纷纷附和。

随后,该网友在知网上检索了梅桢在北京大学期间的论文,发现她的总发文量只有两篇期刊文献。

一篇发表于《国际税收》,另一篇发表于《税务与经济》,两本都是知网认可的核心期刊。这倒是符合华东政法的聘用要求。

只不过该网友发现,这两篇核心期刊论文竟然不是传统的法学核心期刊,而是发在了经济与管理科学这个分类下的期刊,其两本期刊的综合影响因子并不算高。

而拜读完这两篇期刊文章后,该网友更是直言:“对她的学术能力和科研能力持一定的怀疑态度。”

除这两篇期刊论文以后,再无其他,也就是说:知网上并没有她的硕士毕业论文和博士毕业论文!

更有意思的是,梅桢不止有两篇论文,还有两家与她相关的公司。

据公开信息显示,她于2015年创立了一个叫做时尚清单的品牌。

这位Dommi Mei就是梅桢,而点进品牌的所属企业——上海翰聪电子商务有限公司以后,又可以发现该公司有一名叫做“梅新华”的股东。

梅新华名下还有另一家企业叫做“桢好文化传媒有限公司”。

而这家从事文化传媒的公司的法定代表人又是梅桢。

不过这些倒是和梅桢的另一个身份很吻合。

据悉,除了上过综艺,梅桢还是以为视频博主,也就是大家俗称的“网红”。

在几个大平台上,她的粉丝都已经过百万,名气颇高。

日常画风当然和学术无关,基本上就是她和老公的恩爱日常,以及她的护肤、美妆分享。

也正是因为“网红”这一身份,梅桢所遭到的质疑声愈演愈烈。

不少网友表示:梅桢大概只能开一些“网红孵化课”,教大家如何制作精美的vlog……

不过话说回来,“网红”并不能代表一切,没有谁规定网红一定是没文化、没水平的,也没有谁说老师就不能当网红。

只不过,梅桢身上的争议并非只有“网红”这一条,她到底能不能胜任一所国内一流大学的专任教师,这一点确实还有待商榷。

CVPR和Transformer资料下载后台回复:CVPR2021,即可下载CVPR 2021论文和代码开源的论文合集
后台回复:Transformer综述,即可下载最新的两篇Transformer综述PDF
CVer-Transformer交流群成立
扫码添加CVer助手,可申请加入CVer-Transformer 微信交流群,方向已涵盖:目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch和TensorFlow等群。
一定要备注:研究方向+地点+学校/公司+昵称(如Transformer+上海+上交+卡卡),根据格式备注,可更快被通过且邀请进群
▲长按加小助手微信,进交流群▲点击上方卡片,关注CVer公众号
整理不易,请点赞和在看

这篇关于百万粉网红当大学老师惹争议!北大论文被扒,被指因外籍身份获利的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/257190

相关文章

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

论文翻译:ICLR-2024 PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS

PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS https://openreview.net/forum?id=KS8mIvetg2 验证测试集污染在黑盒语言模型中 文章目录 验证测试集污染在黑盒语言模型中摘要1 引言 摘要 大型语言模型是在大量互联网数据上训练的,这引发了人们的担忧和猜测,即它们可能已

OmniGlue论文详解(特征匹配)

OmniGlue论文详解(特征匹配) 摘要1. 引言2. 相关工作2.1. 广义局部特征匹配2.2. 稀疏可学习匹配2.3. 半稠密可学习匹配2.4. 与其他图像表示匹配 3. OmniGlue3.1. 模型概述3.2. OmniGlue 细节3.2.1. 特征提取3.2.2. 利用DINOv2构建图形。3.2.3. 信息传播与新的指导3.2.4. 匹配层和损失函数3.2.5. 与Super

BERT 论文逐段精读【论文精读】

BERT: 近 3 年 NLP 最火 CV: 大数据集上的训练好的 NN 模型,提升 CV 任务的性能 —— ImageNet 的 CNN 模型 NLP: BERT 简化了 NLP 任务的训练,提升了 NLP 任务的性能 BERT 如何站在巨人的肩膀上的?使用了哪些 NLP 已有的技术和思想?哪些是 BERT 的创新? 1标题 + 作者 BERT: Pre-trainin

[论文笔记]LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale

引言 今天带来第一篇量化论文LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale笔记。 为了简单,下文中以翻译的口吻记录,比如替换"作者"为"我们"。 大语言模型已被广泛采用,但推理时需要大量的GPU内存。我们开发了一种Int8矩阵乘法的过程,用于Transformer中的前馈和注意力投影层,这可以将推理所需

文章解读与仿真程序复现思路——电力自动化设备EI\CSCD\北大核心《考虑燃料电池和电解槽虚拟惯量支撑的电力系统优化调度方法》

本专栏栏目提供文章与程序复现思路,具体已有的论文与论文源程序可翻阅本博主免费的专栏栏目《论文与完整程序》 论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html 电网论文源程序-CSDN博客电网论文源程序擅长文章解读,论文与完整源程序,等方面的知识,电网论文源程序关注python

2024 年高教社杯全国大学生数学建模竞赛 C 题 农作物的种植策略 参考论文 无水印

持续更新中,2024年数学建模比赛思路代码论文都会发布到专栏内,只需订阅一次!  完整论文+代码+数据结果链接在文末!  订阅后可查看参考论文文件 第一问 1.1 问题重述 这个问题围绕的是华北山区的某乡村,在有限的耕地条件下,如何制定最优的农作物种植策略。乡村有 34 块露天耕地和 20 个大棚,种植条件包括粮食作物、蔬菜、水稻和食用菌。除了要考虑地块的面积、种植季节等,还要确保

论文精读-Supervised Raw Video Denoising with a Benchmark Dataset on Dynamic Scenes

论文精读-Supervised Raw Video Denoising with a Benchmark Dataset on Dynamic Scenes 优势 1、构建了一个用于监督原始视频去噪的基准数据集。为了多次捕捉瞬间,我们手动为对象s创建运动。在高ISO模式下捕获每一时刻的噪声帧,并通过对多个噪声帧进行平均得到相应的干净帧。 2、有效的原始视频去噪网络(RViDeNet),通过探