ZDNet至顶网软件频道消息:微软在上周推出了多项新的Azure特性和功能。以下是过去根据各种微软博客文章整理出来的内容:
微软面向其HDInsight服务客户预览了Hadoop 2.4。(HDInsight是微软Hadoop on Azure的部署。)微软方面表示,Hadoop 2.4版本实现了“高达100倍的大规模查询响应时间响应提升”。
微软还预览了Azure HDInsight内部的Apache HBase集群。HBase是Hadoop中的一个NoSQL数据库组件,运行在Hadoop Distributed File System(HDFS)上。通过这次预览,用户可以将HBase作为云中的一个管理集群运行,并作为HDInsight一个集成的部分。
微软Azure现已在巴西南部地区全面上市,微软曾在2014年年初进行公开预览。
微软从6月5日开始扩展了在Azure上对虚拟网络和虚拟机的支持。现在Azure Virtual Network可以覆盖整个地区,该网络是微软用于连接现有数据中心和云数据中心的网络服务之一。A8和A9虚拟机现在支持更高速的处理器、互连和更多虚拟核心。微软方面表示,这两组特性的结合能够更好地运行计算密集型和网络密集型应用,例如视频编码、工程设计与仿真等。
微软还对Azure移动服务的离线功能进行了扩展,包括Xamarin.iOS和Xamarin.Android。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。