ZDNet至顶网软件频道消息: 微软于9月30日首次公开了下一代操作系统Windows 10,并公布了将于10月1日提供给PC的早期技术预览版,新操作系统特别强调针对企业级性能的设计改进。
微软称其为下一个Windows版本“Windows 10”,而不是之前很多人预期的Windows 9。为什么?因为这是最后一个Windows的主要版本,微软希望它是一次大的且跨平台的发布。未来,Windows 10核心将运行在PC、平板电脑、Windows Phone甚至是Xbox上。它的用户界面将兼容每一种设备,但是会有一套通用的操作系统核心,可跨所有平台工作。通过Windows 10的发布,微软将整合自己的各种应用商店,微软方面在9月30日旧金山举行的预览发布会上确认了此消息。
明天,也就是10月1日,微软将开放preview.windows.com网站,对测试Windows 10企业技术预览版本感兴趣的用户可以下载代码。通过该预览网站注册的用户将参与Insiders Program。在该项目下,未来几个月微软将通过Windows Update向最初的技术预览版定期推送更新。
参与该项目的用户将需要向微软提供各种表格形式的反馈,关于他们喜欢什么功能以及不喜欢什么功能。
企业技术预览(Build 9841)将只运行在x86设备上。微软目前还没有提供ARM版本的Windows 10代码。微软官方表示,预计将在2015年初公布更多专注消费者的预览。(此前透露的消息称微软将在2015年1月或者2月公布消费者预览版本)
在未来几个月的某个时候(我猜是10月TechEd Barcelona),微软将公布关于Windows Server和Windows 10的系统管理端信息。微软方面今天确认,在2015年4月的下一届Build大会上,微软将谈论更多Windows 10开发方面的信息。
微软操作系统群组负责人Terry Myerson告诉我们这些参会者,微软计划在2015年年中提供完整版本的Windows 10。之前泄漏的消息称微软打算在2015年春季之前提供Windows 10。
Myerson和Joe Belfiroe(负责微软操作系统体验团队)在9月29日首次公开展示的大多数新功能此前都已经通过各种来源泄漏了。
新的开始菜单、虚拟桌面以及运行在桌面上的Metro风格应用,都将是企业技术预览版本的组成部分。目前来看Charms Bar仍然是企业技术预览的一部分,但是未来对于Charms Bar的支持将有所变化,Belfiore这样确认。
微软高管们展示了多项新功能,包括一个新的快照帮助功能,旨在帮助用户找出如何一排一排“抓取”应用。在Windows 10中,用户将可以水平地和垂直地抓取应用。一个新的任务视图将帮助用户在虚拟桌面之间进行导航。
另外一项还没有包含在Windows 10预览版中的新功能被称为“Continuum”。Continuum将允许使用二合一设备的用户连接键盘或者断开连接,更轻松地在各种模式之间进行转换。当断开键盘的时候,任务栏上会出现一个返回按钮,帮助用户更轻松地浏览。
微软知道,Windows 7用户是决定Windows 10是否能赢得用户的心的关键。Belfiore表示,微软的目标是让Windows 7用户感觉好像是,尽管他们从普锐斯换代到特斯拉(也就是Windows 10),但是不必重新学习如何驾驶。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。