ZD至顶网软件频道消息: 近日,Windows 10更新已经开始向合格的Windows Phone 8.1设备推送了。同时,微软承诺Windows 10 Mobile等更新推送不会像Windows 10 PC版那样激进。
虽然,Windows 10 Mobile相比三个月前的状况要好很多,甚至在UX实现平滑过渡取得了不错的进展,但是对于企业用户和消费者来说,更新会意味着某些功能无法实现。
对于企业用户来说,一方面由于它打破了访问MDM服务器管理的文件功能的条件,会导致包括Data Protection Under Lock在内的功能可能会消失。另一方面,原本不允许共享和存储文档的用户在Windows 10 Mobile却有可能实现共享,这对于那些像律师事务所这类依赖DEM锁定文档权限的企业就需要推迟更新。同样古怪的是,W10M无法打开.EML文件,升级后的设备也不能再同步Exchange任务,这样看来Windows 10 Mobile还有很多提升空间。
对于消费者来说,Windows 10 Mobile缺乏同社交网络集成,这是最明显的功能缺失。另外,系统不会在联系人图标上显示通知,而Cortana的搜索仅限于网络和云,却无法在设备内搜索,从这方面看Cortana也只能算是个半成品。
点击这里查看不推荐使用的功能的官方列表,以及合格设备列表。
针对以上情况,微软公司明确表示,“Windows 10 Mobile Enterprise用户将拥有推迟更新的权力”。但不幸的是,微软对于推迟的时间进了限制。
当然,Windows 10 Mobile也并非一无是处:Maps变得更好了,特别是在最新的移动友好性更新之后更是如此;电子邮件变得更快了;Edge浏览器(通常)也变得更快;更新中还有一两个可用性方面的改进。
事实上,为了微软在Windows 10 Mobile身上浪费的时间可不少,距离最近的一次重大更新是20个月之前的事了。就如我们在2013年指出的,微软迫切需要让自己的平台故事继续下去:“Steve Sinofsky任期留下的乱摊子让微软在三个互不兼容的UI上开发“现代”应用程序:Win 8桌面电脑版、RT和Windows Phone。”而决定Windows Mobile使用同样的代码库并且延续开发人员“故事”的做法,就让微软花了一年,而例如Rooms等其他功能甚至被抛弃了。
此外,Windows Phone的销售业绩也不客观,在2013年的8月份达到顶峰后,英国的市场份额由于没有新的设备和代码的出现,一直处于下降状态。
很明显,从最初的Windows 10 Mobile预览版到今天,公众对于Windows 10 Mobile持续一年多的烂摊子印象深刻,这明显已经损害了微软的企业形象。
笔者推断,微软一直留着移动平台并不是由于智能手机市场的竞争,而是因为安卓系统对桌面领域造成的威胁。这种威胁到来的速度比想象得更快。如果平板电脑会成为下一个亿万互联网用户的计算设备,而几乎所有这些平板电脑都使用的是多窗口、多任务的安卓系统,微软开始跳出无尽的改组和战略转变的圈子。保持侧重,意味着Windows 的ARM版本会为微软在竞争中留有一席之地。
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。