ZDNet至顶网软件频道消息:纳德拉担任微软CEO已经有5个月了,2015财年刚刚过去10天,纳德拉就给全体员工发了一封电子邮件,宣布新财年他的施政纲领。在邮件中,纳德拉并没有不停地讲开发,也没有太多地提到设备和服务,而是就微软的世界观、核心要务以及公司文化等问题进行了阐述。纳德拉表示,微软不会再使用“设备和服务公司”的口号, 该定位是鲍尔默执政最后一年时提出的。纳德拉表示,展望未来,微软的核心是生产力和平台。
微软最初的使命是要使得每一个家庭里、每一张桌上拥有一台个人电脑。后来,微软要成为一个设备和服务公司。而在现在,纳德拉则表示,“设备和服务的说法在我们开始转型时是有帮助的,但现在我们需要更精准的策略。就我们的核心意义而言,微软是一个生产力和平台公司,要建设一个移动先行和云先行的世界。我们仍将再造生产力,以便帮助地球上的每个人和每个组织获得更多的收获。”
纳德拉指出,生产力不仅仅是像文档、电子表格和幻灯片之类的Office。生产力还涵盖分析软件与服务、开发工具、翻译软件和其它更多的东西。他还表示,未来的Skype在线翻译、Cortana私人助理、AzureML机器学习服务全都是新的微软生产力软件和服务的例子。 而平台也不仅仅是Windows,而是指打造可以在一些最重要的移动操作系统上运行的软件和服务。
纳德拉的电子邮件有一个图表达得很清楚:生产力软件和服务(又名“数字化工作及生活体验”)处于新的“一个微软”的中心。设备操作系统、硬件以及云操作系统(附于Azure和Windows Server上)是内核的扩展。
纳德拉在电子邮件中表明,Xbox是微软的核心业务之一。Bing也很重要,因为其与微软的许多产品都有牵连,并相互影响。“我想,作为一家大公司,界定核心业务非常重要,但在其它的我们能够产生根本影响和取得成功的领域作出聪明的选择也很重要。”游戏是纳德拉声称要投入的领域之一。“从花费的时间和金钱来看,游戏是移动为先时代最大的数字活动类别。”纳德拉承诺将保留游戏业务,此前不少分析师建议他放弃该业务。
纳德拉表示,“Xbox是最受推崇的消费品牌之一,其拥有不断增长的在线社区与服务。Xbox拥有人气爆棚的粉丝群。我们的很多技术也可以从游戏产品里获益,可以转而用到生产力产品和服务上,例如,Windows的核心图形技术和NUI技术、Skype里的语音辨认、Windows里Kinect的摄像头技术、Azure云强化版的GPU模拟等等。我们底线是要不断创新,要不断扩大我们的Xbox用户群,同时为微软创造附加的商业价值。“
关于不久前,购入诺基亚手机业务的事情,纳德拉在邮件中并没有透露是否有裁员的计划。微软官员表示,希望两家公司的合并可以节省6亿美元。有些华尔街人士预预,减少雇员人数很可能是微软节省开销的方式之一。纳德拉提到新员工培训和开发资源,让我觉得会有裁员这一步。
他在邮件也清楚地表明,微软正在改变开发产品的流程,会简化设计流程,各团队要合作将重点放在数据、应用科学和软件工程上。微软内部的各个工程团队将在预测分析和可衡量结果方面更加注重利用遥测数据。鲍尔默任期结束的时候,微软云计算与企业团队建了个社团/职能管理结构, 该团队现在正在拆除这个结构。笔者预计其他还没有这样做的团队也很快会动手。
纳德拉还表达了一个意思:微软这一阵子要出新招。他写道:什么都可以拿到桌面上来讨论,只要是关于改变公司文化、实现核心策略的事情都可以谈。部门架构要改变。会有合并和并购。岗位职责会有改进。要发展新的伙伴关系。要质疑令人生厌的传统。要调整我们的重点。要获取新的技能。要听取新的意见和建议。要雇用新人。要简化手续。如果你想在微软开花结果、想对世界产生影响,你和你的团队除了做好上述各条以外,还必须做出很多别的改变,而且是要充满热情地去做。
7月的纳德拉着实很忙,他在下周华盛顿特区召开的微软全球合作伙伴大会上有一个主题发言,还会出席7月22日微软财报电话会议。月底时,他还会在历时一周的、只有微软雇员参加的微软年度销售会议MGX上向销售人员训话。
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。