ZD至顶网软件频道消息: 在发布了构建个性化业务应用程序的PowerApps服务有限预览版五个月之后,微软于4月29日发布了PowerApps的公共预览版。
此前,PowerApps的代码代号为Kratos项目,让企业用户和商业分析师能够创建个性化的原生、移动和网络应用程序,这些应用程序能够非常简单地跨越组织进行分享。用户能够使用PowerApps创建的应用程序的类别有很多,成本估算、预算跟踪和站点检查报告等等。
PowerApps将现有的云服务和数据源连接在一起,旨在让用户能够不用编写代码就能够构建应用程序或者找出集成问题。使用PowerApps创建的个性化应用程序可以内部发布,也可以跨越网络、平板电脑和移动设备,而应用程序创建者并不需要通过应用程序商店进行发布。
PowerApps还同微软的Flow进行了集成,用户将能够在PowerApps之中触发Flow。并且,PowerApps服务运行在Azure之中,同Azure动态目录、Azure应用程序服务和Azure媒体服务进行了集成。PowerApps服务通过微软Graph应用程序编程接口(API)同Office 365数据进行连接。它还可以通过连接器连接第三方公司提供的公共API,访问存储在这些公司提供的服务中的数据。
PowerApps核心的工具框架基于Siena业务开发工具项目,这是微软在几年前启动的一个项目,随后这个项目就被搁置了。
好文章,需要你的鼓励
清华大学团队突破性开发"零样本量化"技术,让AI模型在不接触真实数据的情况下完成高效压缩,性能反超传统方法1.7%,为隐私保护时代的AI部署开辟新路径。
普林斯顿大学研究团队开发出"LLM经济学家"框架,首次让AI学会为虚拟社会制定税收政策。系统包含基于真实人口数据的工人AI和规划者AI两层,通过自然语言交互找到最优经济政策,甚至能模拟民主投票。实验显示AI制定的税收方案接近理论最优解,为AI参与社会治理提供了新路径。
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
南开大学研究团队提出了一种新的3D高斯泼溅重光照方法,通过在高斯原语上直接编码离散化SDF值,避免了传统方法需要额外SDF网络的问题。该方法设计了投影一致性损失来约束离散SDF样本,并采用球形初始化避免局部最优。实验表明,新方法在保持高质量重光照效果的同时,仅需现有方法20%的显存,显著提升了训练和渲染效率。