ZDNet至顶网软件频道消息:微软的快节奏发布已在越来越多的产品和服务中得以实现。随着步伐的加快,微软相关负责人也在平衡过快与太慢,寻找交付功能及更新的“中庸”地带。
微软Applications and Services Group(Office 365的老家)的一些团队觉得每月更新的速度太慢。也有人认为每月更新对有些Office 365用户来说没大问题,但对于Office客户端或服务器的客户来说肯定不行。
几年前,微软官方建了个Office 365维基,目的是在微软为Office 365小型企业和大型企业计划增加新功能时让Office 365用户了解这些新功能。在功能发布后提供列表,并在新功能发布的月底提供。
在接下来的几个月里,Office 365团队要尝试新的东西。团队将提供“一个可以获得服务更新的信息的公共地点,以帮助管理云计算更快节奏的发布周期” 。提一下:文章提到的这些披露和更新流程是关于Office 365企业版本的(不适合于家庭/消费版)。
微软TechEd 2014会议的几张演示幻灯片列出了当前的Office 365更新和披露策略(上图)和未来的策略(下图)。
微软官方表示,微软新的信息更新重点会放在“短期”更新的功能上,即30至90天时段里的,但也会提供一些较长期的信息。微软将提供“高层次的详细信息,包括名称、描述、状态”。发布全新的产品/功能(譬如iPhone版Office Mobile)时仍会继续为公众提供有关的资料。
微软官员在三月份的SharePoint 2014会议首次披露了公司的新变革管理计划。他们本月初的TechEd 2014会议上又重申了这些计划。有关的文章值得一读,包括由微软最有价值专家Chris O'Brien写的一篇文章和Windows IT Pro网站的Tony Redmond发的一个贴。
据微软官员透露,新Office 365功能的信息会发布到面向公众的网站,取代以前非公开简报的做法,以前的非公开简报是由微软和合作伙伴提供给各地客户的,目的是让客户知道Office 365的最新动向。
微软还计划“很快”推出适用于所有Office 365客户的内选(Opt-in)计划,参加计划的客户可以第一时间提早使用“选择性的主要终端用户功能升级”。这些升级是“完全受支持的、经过审核(和)有案可查的”面向Exchange和SharePoint终端用户的服务升级。
此内选计划名为“尝鲜版”(First Release)计划。参加计划的系统管理员可以选择一部分用户,让他们在新的SharePoint和Exchange终端用户更新面向所有用户群发布前的至少两个星期内使用这些更新功能。据O'Brien的文章介绍,还会有个NDA预览计划。O'Brien指微软打算通过NDA预览计划向一部分用户提早使用推出的升级功能(听起来像微软目前的Technology Adoption Program),而尝鲜版(First Release)计划则是面向整个用户群,系统管理员再选一部分用户。
新披露计划不会改变微软目前的承诺,客户需要接受会引起“破坏性”(Disruptive)的服务改变时,微软至少会提前12个月通知在线服务(Online Services)用户。破坏性在这里是指服务改变时,“客户必须采取行动,以避免在线服务的正常运作显著变差。” (通知期限不适合那些与安全相关的改变或更新。)
笔者上个星期问起微软官员,我想知道Office 365的用户什么时候才有希望见到未来路线图信息(Futures roadmap information),得到的回答是“很快”。我估摸,微软大致也会很快提供有关提早使用主要功能的所谓尝鲜版(First Release)计划的细节。
好文章,需要你的鼓励
Salesforce研究团队发布开源工具包MCPEval,基于模型上下文协议(MCP)架构评估AI智能体工具使用性能。该工具突破传统静态测试局限,通过全自动化流程收集详细任务轨迹和协议交互数据,为智能体行为提供前所未有的可视化分析。MCPEval能快速评估MCP工具和服务器,生成综合评估报告,为企业智能体部署提供可操作的改进建议。
清华大学团队推出AnyCap项目,通过轻量级"即插即用"框架解决多模态AI字幕生成缺乏个性化控制的问题。该项目包含模型、数据集和评估基准,能让现有AI系统根据用户需求生成定制化字幕,在不重训基础模型的情况下显著提升控制能力,为AI内容创作的个性化发展奠定基础。
月之暗面Kimi K2技术报告:解读万亿参数的智能体模型(含K2与DeepSeek R1对比)
耶鲁大学团队开发了全球首个AI科学实验设计评估系统ABGEN,测试了18个先进AI模型设计消融实验的能力。研究发现最好的AI系统得分4.11分,仍低于人类专家的4.80分,但在人机协作模式下表现显著改善。研究还发现现有自动评估系统可靠性不足,建立了元评估基准ABGEN-EVAL。这项研究为AI在科学研究中的应用提供了重要评估框架。