ZDNet至顶网软件频道消息:微软正在着手将其内部机器学习技术向云服务迁移,希望借此使其Azure服务能够在与谷歌及Amazon同类产品的竞争当中取得优势。
该公司的全新Azure ML服务于本周一发布,这意味着开发者们可以访问由Azure云托管的机器学习系统甚至将自己的应用程序直接与其进行对接。
这项技术让开发者们得以直面机器学习机制及其相关技术成果,其中包括深层学习系统,并将其应用到自己的应用程序当中。
最近,谷歌宣布公司内的一位工程师已经建立起一套系统,旨在利用神经网络调整19项不同输入与1项单一输出结果——即数据中心能源使用效率——之间的关系。该系统的实际表现非常出色,谷歌在它的帮助下已经能够更好地随时间推移模拟出基础设施的实际能源消耗情况。
在Azure ML的辅助下,微软表示将能够创建多种面向开发者们的相关系统类型,并为其提供广泛普及所必需的设置、培训以及技术使用指导等配套方案。
Azure ML拥有“一系列有助于清理数据的工具,”微软公司高管Joseph Sirosh在接受采访时解释道。此外,该服务还能够与高人气数学软件R相兼容。Azure ML服务也为用户打造了一套良好的使用途径,使其能够通过拖拽操作将多种机器学习技术整合在一起,从而构建起具备突出可视化效果与内容理解方式的应用程序方案。
“机器学习这片新天地已经向大家敞开了大门,”Sirosh表示。“大家只需在其中点击几下,就能获得与机器学习模式紧密匹配的API。”
Sirosh曾经在云服务之王Amazon公司效力过近十年,并在转投微软麾下之后帮助公司开发出多种内部机器学习系统。
预计该服务将在一个月内发布Beta测试版本,而已经开始使用Azure ML的少数早期客户则利用它实现了多种用途:根据网络客户在网站上的操作活动预测他们对哪些线上产品更感兴趣,或者构建系统方案来检测大学校区内的耗电量浮动、从而帮助工作人员进行IT设备故障诊断。
尽管机器学习已经是一项历史悠久而且应用广泛的技术,但微软认为将其以云服务形式推出仍然能够有效帮助使用者摆脱相当一部分当前面临的技术障碍。
“机器学习拥有令人难以置信的强大能力——它能让我们身边的每一款应用程序实现智能化,”Sirosh指出。“我希望机器学习这一令人振奋的技术成果能够得到广泛宣传并获得大家的理解,其重大意义甚至不亚于云计算的诞生。”
当然,他认为微软将是有能力提供此类服务的最佳厂商之一。
“微软与谷歌是目前世界上机器学习人才的两大储备库,”Sirosh表示。而就目前来讲,谷歌还没有将其快速机器学习系统引入到云环境当中。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。