ZDNet至顶网软件频道消息:微软Office 365的快节奏发布,对于消费级用户来说没多大问题,但对于企业用户来说每月更新就太过频繁了。因此,微软公布了Office 365企业版路线图,帮助企业用户为产品更新更好地部署和规划时间,保证工作平稳地进行。Office 365企业版路线图向企业用户展示那些已发布的功能,同时,介绍那些即将推出及处在开发中的新功能,还有那些确认被取消的功能。
该路线图提供了未来数月的愿景,也提供了关于未来系列更新的消息,例如“Oslo”应用和即将推出的Office Graph机器学习技术。
正如微软官方在今年年初所承诺的,微软将推出面向Office 365企业“首发(First Release)”计划。参加该计划的系统管理员可以选择一部分用户,让他们在SharePoint和Exchange终端提前得到最新更新,在时间上比正式发布提前2周。这么做是为了帮助企业客户在推行Office 365更新之前找出潜在的问题。
那么首发计划不包括什么?根据微软6月19日的博客文章,目前该计划并不包括对Lync Online、Exchange Online Protection、Office 365 Pro Plus以及其他“相关服务”的更新。“大多数”对Office 365的服务更新将通过微软标准发布流程提供给用户,而不是首次发行计划,微软官方坦言。
目前在路线图网站上,微软罗列了13项已发布的功能,10项即将推出的更新,这些更新目前还没有面向所有适用客户提供。其中包括:可定制的SharePoint Online导航栏;Document Conversations for OneDrive for Business以及SharePoint Online;首次发行计划;OWA for Android Phone;Smart Search for OneDrive for Business。在本周早些时候微软开始允许管理员参与首发计划,据微软博客文章这样表示。
该路线图网站上还罗列出了35项正在开发中的更新,包括之前提到的Oslo和Office Graph,其他还有Card View in Outlook Web App;OneDrive for Business存储容量提高到1TB以上。
目前该网站上并没有列出已经被取消的功能。
好文章,需要你的鼓励
这项研究针对现代文档检索系统中的关键缺陷:独立处理文档片段导致丢失上下文信息。研究团队开发了ConTEB基准测试来评估模型利用文档级上下文的能力,并提出了InSeNT方法,结合后期分块和创新的对比学习策略。实验表明,上下文感知嵌入显著提升检索性能,尤其在处理非自包含文本片段时,同时保持计算效率,对分块策略更具鲁棒性,并且在语料库规模扩大时表现更佳。这一研究为更智能的文档检索系统铺平了道路。
这项由布朗大学和Cohere实验室研究者联合进行的研究全面分析了大型语言模型(LLM)安全研究中的语言不平等现象。通过系统回顾近300篇2020-2024年间的安全相关论文,研究发现LLM安全研究严重偏向英语,即使中文这样的高资源语言也仅获得英语十分之一的研究关注,且这一差距正在扩大。研究还揭示非英语语言很少作为独立研究对象,且英语安全研究常忽略语言覆盖文档化。为解决这一问题,研究者提出了三个未来方向:开发文化敏感的评估基准、创建多语言安全训练数据,以及深入理解跨语言安全泛化挑战。
这项研究提出了ChARM,一种创新的角色扮演AI奖励建模框架,通过行为自适应边界和自我进化策略大幅提升AI角色的真实性和一致性。研究团队创建了包含1,108个角色的RoleplayPref数据集,实验表明ChARM比传统模型提高了13%的偏好排名准确率,应用于DPO技术后在多项基准测试中达到了领先水平。这一突破将为娱乐、教育和心理健康支持等领域带来更加自然、个性化的AI互动体验。
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。