ZDNet至顶网软件频道消息: 由中国科学技术大学和微软亚太研发集团共同举办、清华大学出版社协办的“第二届微软云计算教学研讨会”于2014年4月18日-19日在中国科学技术大学成功举行。本次研讨会以微软公有云Microsoft Azure为主题,通过技术讲座、上机实践、教学经验交流及应用案例分享,进一步帮助各高校、科研机构利用云平台拓展云计算教学与科研能力。此次研讨会共吸引了近200位全国知名高校师生,九位教师获颁“微软云计算教学先锋奖“。同时,清华大学出版社向与会代表赠送了最新出版的微软云计算系列丛书。
上机实践
中国科大信息科学技术学院院长李卫平教授研讨会开幕致辞中表示,“在双方的共同努力下,工程中心在短短的一年时间里取得了很大成绩。我们在搭建完成云计算实验环境的同时,还开发出了相应的课程,计划在2014年秋季学期向全校学生开放。本次研讨会在中国科大的召开,也彰显了工程中心在云计算学术交流方面所发挥的积极作用。期待和微软一起持续投入,将软件工程中心建设成为国内教学和科研机构的云平台排头兵。”2013年7月,微软亚太研发集团与中国科学技术大学强强联合,在中国科大先进技术研究院成立了“中国科大-微软软件工程中心”,依托科大的基础科研优势及微软在云计算领域的技术优势,以资源互补的形式培养云计算优秀人才,提升教学科研力量。
在研发集团的协助下,中国科大-微软软件工程中心正以云计算为核心方向,努力培养”云人才”,构建”科学计算云”、”信息服务云”、”企业服务云”及”政府服务云”,微软亚太研发集团的工程师们将为建设合肥高新区智慧城市献计献策,并提供平台支持,向安徽省乃至全国提供先进的云计算和大数据服务,推动科技和产业创新。工程中心还与微软创投加速器探讨合作的可能性,利用中心资源支持加速器中创业团队的创新项目。
微软亚太研发集团云计算与企业级工程部及中国云计算创新中心总监梁戈碧女士表示,“云计算正为各行各业带去革新,对中国来说,云计算将带来蛙跳式的发展新机遇,同学们毕业前应多学习并尝试在最新云平台上开发应用和服务。作为全球唯一能提供混合云解决方案、第一个将国际公有云落地中国的IT厂商,微软希望继续与各高校和科研机构深入合作,激发创新活力,共同提升中国的云计算教学、研究和应用水平。“
因翻译《微软云计算系列丛书》,并率先在上海交通大学开设云计算课程而荣获“微软云计算教学先锋奖”的邹恒明教授表示,“相比于其他云平台,Microsoft Azure在规范性、易用性、稳定性和效率方面具有明显优势,学生通过研读教材和使用Azure,理解了云计算重要概念,掌握了在云平台上的具体操作,从而激发了进一步研究云计算的兴趣和毕业后从事云计算工作的渴望。”
至此,微软与国内高校、科研机构在云计算的合作已初具规模:协助全国十多所高校开设云计算课程;设计、开发MicrosoftAzure教学课件;协助上海交通大学、同济大学和中国科学技术大学搭建“云计算教学与科研平台”;与清华大学出版社合作出版《微软云计算系列丛书》;为高校和研究机构举办多场云计算培训研讨会;通过“Microsoft Azure科研云助推器学术合作计划”资助32个科研项目;以Azure为决赛主题的“编程之美”全国挑战赛等等。扎根中国一直是微软不变的承诺,随着Microsoft Azure在中国正式商用,微软亚太研发集团将一如既往地长期投入、助力中国云计算教学、科研应用的发展。
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。