ZDNet至顶网软件频道消息: 根据一则新的招聘启事,微软正在组建一个新团队致力于所谓的“推荐即服务”。
微软在以色列的云和企业工程团队正在构建一个代号为“Project Sage”的项目。这个招聘启事将Sage描述为一项“通用的推荐即服务解决方案,能够让客户以非常简单和直观的方式使用这个艺术推荐引擎”。
这就是到目前为止官方透露关于这种推荐服务的信息。我敢打赌这种推荐服务至少有一个潜在用途就是针对出版商的推荐服务,类似于Google正在测试的内容推荐产品。我认为也有可能是在此基础上的广告推荐和个性化产品。
两年前微软将Project Sage作为一个孵化项目启动,“将作为一个产品部门迈出第一步”,招聘启事中这样写道。
Project Sage根植于“CloudML”(云机器学习)。该团队下面有一个小组专门开发可以被微软产品部门和面向外部产品所使用的算法。(CloudML算法团队也是微软云和企业部门的一部分,由执行副总裁Scott Guthrie领导。)
以下是来自CloudML算法团队单独开放的招聘启事:
“我们的团队在结合卓越的工程设计和研究深度方面具有独特优势。大批CloudML TLC工具包的内部用户提供了与很多产品的互动,并了解广泛的现代ML应用和技术——从随机预测到MapReduce,再到GPU上的深度学习,以及这之间的一切。”
机器学习是微软首席执行官萨蒂亚纳德拉所谓云为先/移动为先战略的一个基础技术领域。基于云的机器学习也是微软研究院一个重要优先项目。
在微软新英格兰研发中心,他们的任务之一就是向企业、数据科学家、开发者、信息工作者、消费者以及设备提供机器学习云技术。其理念是为所有用户提供对机器学习平台的访问,允许研究人员在微软内部和外部进行实验和开发,以构建由云提供强大支撑的网络服务。
微软研究机构NERD以及微软纽约研究实验室正在携手与Bing团队合作,使用CloudML来做预测分析。NERD将在5月13日举办第三届新英格兰机器学习日。
谈到预测,微软官方在5月8日表示,他们已经向微软的商业智能服务PowerBI for Office 365中添加了预测(以及后报)能力。
好文章,需要你的鼓励
清华大学团队突破性开发"零样本量化"技术,让AI模型在不接触真实数据的情况下完成高效压缩,性能反超传统方法1.7%,为隐私保护时代的AI部署开辟新路径。
普林斯顿大学研究团队开发出"LLM经济学家"框架,首次让AI学会为虚拟社会制定税收政策。系统包含基于真实人口数据的工人AI和规划者AI两层,通过自然语言交互找到最优经济政策,甚至能模拟民主投票。实验显示AI制定的税收方案接近理论最优解,为AI参与社会治理提供了新路径。
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
南开大学研究团队提出了一种新的3D高斯泼溅重光照方法,通过在高斯原语上直接编码离散化SDF值,避免了传统方法需要额外SDF网络的问题。该方法设计了投影一致性损失来约束离散SDF样本,并采用球形初始化避免局部最优。实验表明,新方法在保持高质量重光照效果的同时,仅需现有方法20%的显存,显著提升了训练和渲染效率。