ZD至顶网软件频道消息: 在过去几年中,开发者可以利用微软Bing应用程序编程接口,在成熟的应用程序中直接嵌入搜索、地图、语音等功能。现在,微软正努力将使用Bing的智能扩展应用程序变得更加容易。微软将Bing的一部分智能功能进行打包,以机器人和机器人开发框架的形式提供给开发者。
近日,微软公司高管在Build 2016开发者大会上展示了这些新机器人框架以及新推出的机器人。并且,微软已经对其社交聊天机器人进行了实验,目前微软正在推进更多以生产力为中心的机器人项目。
微软首席执行官萨提亚.纳德拉对与会者表示,这个新战略是关于“交谈即平台”的。他表示,“这是适用于所有计算机接口的人类语言能力”,并且在底层利用了机器学习和人工智能技术。纳德拉认为,“人类的语言是新的用户界面层。”
事实上,以处理例如预订旅馆房间、订购披萨饼等特定任务,为目的打造特殊功用机器人的想法并不是什么新概念。但是,微软的重点在于为开发人员提供打造这些机器人的工具,并且将这些机器人同数字化个人助理,例如小娜(Cortana)等连接在一起,这是微软希望让自己区别于其他竞争对手的地方。
微软正在推出一个新的Cortana应用程序商店,并将“在未来几个月之中”为测试者提供新的Cortana体验的早期预览版,在这个版本中,Cortana将能够协助完成例如查看用户的邮件和日程安排(在征得他们同意之后),或者提前为用户安排活动日程等可预测的行动。
在机器人方面,微软提供的不仅仅是构建纯文本机器人的能力,而且还支持通过视频、动画以及最终通过微软的HoloLens混合现实眼镜全息图等方式同用户互动的机器人。
并且,微软自己为此打了头阵:从3月30日开始,微软为Skype iOS、安卓和Windows版本的用户提供了一系列Skype机器人,同时,微软还推出了新的Skype机器人软件开发工具包,这样第三方开发人员也能够开发自己的Skype机器人。
在这次Build开发者大会上,微软还宣布将Cortana分析套件(Cortana Analytics Suite)重新命名为“Cortana智能套件”( Cortana Intelligence Suite)。同时,微软还调整了该套件的定位,使其不仅能帮助开发者分析应用程序的数据,还能够分析开发者开发的机器人和代理上的数据。
此外,微软还在新的Cortana智能套件预览版中增加了一些微软研究院开发的牛津项目中的视觉、语音和其他界面的功能。这里是新的认知服务的定价,其中包括了这些牛津项目的API以及其他项目的价格。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。