ZD至顶网软件频道消息: 微软在3月14日宣布,微软SharePoint Server 2016已经进入到RTM开发阶段。SharePoint Server 2016与上一代的SharePoint Server 2013一样,将专注于文件管理、内容管理、网站和终端。
微软介绍道,这次SharePoint Server发布的重点是在混合计算场景,尤其是在搜索方面。此外,还添加了更多数据安全性和合规性支持,以及更好的针对移动设备内容和应用的访问支持。
此前,微软曾表示,SharePoint Server 2016不会是最后一个内部部署版的SharePoint,“可预见的未来”将会规划更多版本。 另外,SharePoint Online将不会被Office 365功能所取代,它将继续作为Office 365服务的底层平台。
那么,SharePoint未来是如何规划的?
微软SharePoint和OneDrive产品管理团队总经理Seth Patton表示:“我们的使命是让SharePoint更简单、移动、智能、安全,帮助客户释放其作为Office 365一个组成部分的价值。今年,我们将发布跨用户体验、文档协作、移动增强和平台改善的重要创新,这将重新定义现代化的内容协作。”
另外,微软还计划在5月4日举行一个在线活动,微软高管将“推出SharePoint和OneDrive for Business的未来愿景和路线图”,“无论是在本地还是云中配合Office 365”。目前,这个名为“SharePoint的未来”的活动已经对外开放注册。
好文章,需要你的鼓励
这项研究针对现代文档检索系统中的关键缺陷:独立处理文档片段导致丢失上下文信息。研究团队开发了ConTEB基准测试来评估模型利用文档级上下文的能力,并提出了InSeNT方法,结合后期分块和创新的对比学习策略。实验表明,上下文感知嵌入显著提升检索性能,尤其在处理非自包含文本片段时,同时保持计算效率,对分块策略更具鲁棒性,并且在语料库规模扩大时表现更佳。这一研究为更智能的文档检索系统铺平了道路。
这项由布朗大学和Cohere实验室研究者联合进行的研究全面分析了大型语言模型(LLM)安全研究中的语言不平等现象。通过系统回顾近300篇2020-2024年间的安全相关论文,研究发现LLM安全研究严重偏向英语,即使中文这样的高资源语言也仅获得英语十分之一的研究关注,且这一差距正在扩大。研究还揭示非英语语言很少作为独立研究对象,且英语安全研究常忽略语言覆盖文档化。为解决这一问题,研究者提出了三个未来方向:开发文化敏感的评估基准、创建多语言安全训练数据,以及深入理解跨语言安全泛化挑战。
这项研究提出了ChARM,一种创新的角色扮演AI奖励建模框架,通过行为自适应边界和自我进化策略大幅提升AI角色的真实性和一致性。研究团队创建了包含1,108个角色的RoleplayPref数据集,实验表明ChARM比传统模型提高了13%的偏好排名准确率,应用于DPO技术后在多项基准测试中达到了领先水平。这一突破将为娱乐、教育和心理健康支持等领域带来更加自然、个性化的AI互动体验。
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。