ZD至顶网软件频道消息: 2016年2月3日消息,在人们几乎将这家被微软以12亿美元收购的社交媒体忘记时,微软允许所有合乎要求的Office 365商业用户自动启用Yammer,以期让更多的企业用户能够使用该企业社交网络服务。据悉,这一举措将在未来几个月内分批完成。
事实上,从2012年收购Yammer开始,微软一直试图将Yammer重新聚焦于团队共享模式,并且将它的一些核心功能直接嵌入到Office 365之中。
去年夏天,微软曾表示,除保留Yammer独立客户端外,微软会将Azure动态目录和Yammer进行集成,进一步确保Yammer的合规性和安全性标准。
微软的目标是截止到今年6月为止,将Yammer同Office 365 Groups捆绑在一起。一旦Yammer同Groups集成到一起,微软就会鼓励用户利用“跨套件方案”。例如将Yammer对话变为Skype通话;使用Outlook日历安排会议;通过OneDrive访问文件;在Planner中创建任务,这些都是在Yammer小组中就可以完成了。据了解,截至上周,微软在Office Online用户在Yammer中进行多用户协作方面做得不错。
根据微软公司发布的企业博客,拥有Yammer和Office 365双许可证的用户将能够通过Office 365应用程序启动程序访问Yammer,或者从SharePoint、Office 365 Video Portal中启动Yammer对话,并且很快就可以从Delve和Skype Broadcast启动Yammer对话。当然,用户也可以选择关闭该功能。
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。