在Salesforce赞助下,专业网络组织Everywoman宣布了2026年度科技界女性奖的获奖名单。
16年来,专业网络组织Everywoman一直致力于展示科技行业中才华横溢的女性及其工作成就,既为了彰显业内已有的杰出女性,也为了鼓励更多女性投身科技领域。
英国科技行业的女性比例虽然在缓慢增长,但仍低于25%。随着人工智能等技术的快速发展,确保科技从业者的组成与多元化用户群体相匹配变得愈发重要。
增加各类可见且可接近的榜样被认为是鼓励女性进入科技数字领域的方式之一。专家指出,当年轻人能在科技行业中看到与自己相似的人时,更有可能考虑从事这些职业。
AllBright Everywoman联合总经理Nicole Goodwin和Sophie Catto表示:"科技行业的杰出女性正在开发具有变革力量的创新技术,这些技术能够改变我们的生活和工作方式,同时构建为英国经济创造重大价值的系统。今年许多决赛入围者还在引领鼓舞人心的项目,为女孩们提供技能和信心,让她们将技术作为摆脱贫困的途径。
"通过Salesforce科技界女性奖将这个强大的科技领导者和远见者社区聚集在一起,我们庆祝她们的成就并放大她们的故事,创造出可见的榜样,激励下一代投身STEM职业。"
Everywoman有意选择的获奖者不仅来自领导层或高管职位,还包括学生、企业家和创新者,增加榜样的可见度,帮助年轻女性或行业外的人看到自己的代表性,使她们更有可能考虑科技职业。
今年Salesforce科技界女性奖获奖名单如下:
生成式AI冠军奖
Nausheen Basha,帝国理工学院研究助理
学徒奖
Kelly Howes,Compare The Market初级软件工程师学徒
网络安全奖
Rebecca Phelps,BAE系统公司高级网络安全负责人
年度CTO/CIO奖
Nicola Emsley,巴克莱银行(英国业务单元)抵押贷款、储蓄和保险CIO
数字之星奖
Louise Edwards,165团皇家后勤兵团车辆专家
数字化转型领导者奖
Kerry Casey-Foulkes,Virgin Media O2转型推进总监
软件工程师奖
Chiamaka Okenwa,Monzo软件工程师
企业家奖
Fiona Roach Canning,Pollinate联合创始人兼CEO
创新者奖
Ganna Pogrebna,贝尔法斯特女王大学David Trimble讲席教授,人工智能与网络未来研究院执行主任
领导者奖
Lara Beers,Kraken全球销售副总裁
男性变革推动者奖
Tim Ibell,巴斯大学工程与设计学院院长
值得关注奖
Nina Kumar
新星奖
Danita Samuel Prakash,HCL Tech IT桌面工程师
科技向善奖
Yasmin Mohamud,KastanTech人工智能导师
团队领导者奖
Kripa Balachandran,Mission Zero Technologies产品负责人
年度女性奖颁给了Aji Bawo,她是乐购商业产品负责人,她不仅将技术作为推动零售业创新的工具,还利用技术为欠发达国家的女孩提供教育机会。
Q&A
Q1:Everywoman科技界女性奖的设立目的是什么?
A:Everywoman科技界女性奖设立的目的是展示科技行业中才华横溢的女性及其工作成就,既为了彰显业内已有的杰出女性,也为了鼓励更多女性投身科技领域。该奖项通过增加各类可见且可接近的榜样,帮助年轻女性或行业外的人看到自己的代表性。
Q2:为什么需要更多女性进入科技行业?
A:目前英国科技行业的女性比例仍低于25%,随着人工智能等技术的快速发展,确保科技从业者的组成与多元化用户群体相匹配变得愈发重要。增加女性参与度有助于推动创新,同时为经济创造重大价值。
Q3:Everywoman如何选择获奖者?
A:Everywoman有意选择的获奖者不仅来自领导层或高管职位,还包括学生、企业家和创新者,覆盖不同层级和背景。这样做是为了增加榜样的可见度,让更多年轻女性或行业外的人能够看到自己的代表性,使她们更有可能考虑从事科技职业。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。