ZD至顶网软件频道消息: 2月3日,微软宣布发布Power BI“向网络发布”的预览功能,这个功能允许用户将Power BI可视化内迁到面向公众的网络、博客、电子邮件和社交媒体上。
这个过程类似于为一个YouTube视频创建嵌入式代码,它允许用户发布使用Power BI Desktop或者Power BI Web创建的报告,允许任何人与之互动。用户可以连接到文件、数据库、应用和公众数据源,并且创建的报告可以自动更新。
微软指出,用户“拥有发布内容的所有权和可管理性;管理员也将可以控制这些内容。”
随后,微软新闻发言人表示,“我们在预览中推出向网络发布的功能,并且正在致力于各种不同的额外升级,包括让管理员可以启用或者禁用这项功能。下一周,启用和禁用向网络发布的功能将面向全球提供。”
此外,微软项目经理Lukasz Pawlowski提醒用户道:“当用户使用向网络发布功能的时候,应该首先假设报告中的数据是可被互联网上的任何人使用的。不要使用向网络发布功能分享机密信息、专有信息,以及没有分发权的信息。”
Power BI部门产品经理Faisal Mohamood补充说,微软正在研究其他类型的面向非公众以及应用内场景的嵌入功能。
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。