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
亚利桑那州立大学的研究团队开发了RefEdit,这是一种新型图像编辑AI系统,能够准确理解和处理指代表达(如"中间那个人"、"右边的猫")。通过创建RefEdit-Bench基准测试,研究者们证明现有模型在多物体场景中表现不佳。他们设计了一种创新的数据生成流程,仅用2万样本就训练出的RefEdit模型超越了使用数百万样本训练的大型模型。这一突破使AI图像编辑在复杂场景中更加精确和实用。
这项研究提出了Critique-GRPO,一种创新的在线强化学习框架,将自然语言批评与数字反馈相结合,克服了传统仅用数字反馈的三大局限:性能瓶颈、自我反思效果有限和顽固性失败。实验表明,该方法使大语言模型能够从错误中学习并改进,在八项数学和通用推理任务中,将Qwen2.5-7B和Qwen3-8B模型的平均通过率分别提高了约4.5%和5%,超越了包括那些引入专家示范的方法。研究还揭示,高熵探索和长回答并不总是最有效的学习方式,质量更重要。这一方法为大语言模型的自我提升能力开辟了新路径。
这篇研究介绍了"量化LLM评价者",一个创新框架,能使大型语言模型(LLM)在评估其他AI输出时更接近人类判断。由麻省理工和Adobe联合研发的这一方法,将评估过程分为两个阶段:先让LLM生成文本评价,再用轻量级机器学习模型将这些评价转化为更准确的数值评分。研究提出了四种评价者模型,适用于不同评估场景,实验表明它们不仅能显著提高评分准确性,还比传统微调方法更节省计算资源。这一框架特别适合人类反馈有限的场景,为AI评估领域开辟了高效且可解释的新路径。
这项研究由IDEA、华南理工大学和北京大学联合开发的Rex-Thinker系统,通过模仿人类的链式思考方式来解决物体指代问题。与传统直接输出边界框的方法不同,它采用规划-行动-总结的三步骤推理,使AI能像人类一样逐步分析图像中的候选物体,并在找不到匹配物体时拒绝作答。通过构建90,824样本的HumanRef-CoT数据集和两阶段训练方法,系统在精度、可解释性和泛化能力上均取得了显著进步。