ZD至顶网软件频道消息: 一般来讲,不经过多次宣传与前期铺垫工作,微软是不会推出全新产品的,但这次的情况却有所不同。
上周,微软突然公布了其全新微软Flow事务工具。尽管此前关于该服务的存在消息已有泄露,但在将其交付测试者进行预览之前,微软从未提到过与Flow有关的只言片语。
事实上,Flow作为微软对“如果这样,则那么”/IFTTT服务问题的回应,早就已经以另一种形式出现在我们面前。
Flow为“Logic Flows”的重新命名产物,而后者早在去年就已经由微软方面发布,属于PowerApps的首套专有预览版,旨在帮助企业用户无需编写代码即可创建定制化业务线应用。PowerApps逻辑流允许用户直接行动以执行各类任务。
不过Flow的根源实际上还可追溯得更为久远。2015年3月,微软公司公布了Azure App Serivce,这项服务专门面向开发者,帮助他们构建各种类型的云上应用,而Logic Apps正是Azure App Service中的一部分。Logic Apps允许技术用户或开发者通过一套可视设计工具自动执行业务流程及企业整合任务。
笔者曾向微软方面询问Flow是否脱胎于Logic Apps。一位微软发言人回应称:
“微软Flow是一项独立的SaaS服务,其设计用途非常广泛,包括帮助企业用户以自动化方式处理日常任务。Logic Apps则属于一项Azure服务,通过Azure Portal进行交付,主要面向那些需要处理各类复杂整合问题的开发人员,且包含一部分同样存在于微软Flow中的出色功能。另外,Logic Apps还提供与Azure资源管理器、Azure Portal、PowerShell以及Azure命令行界面(Azure CLI)、Visual Studio乃至更多先进连接工具的整合能力。”
因此,笔者个人将上述回答理解为‘是的’。
Flow、Logic Flows以及Logic Apps之间的交集在于Stephen Siciliano。Siciliano为MetricsHub公司的首席设计官,这是一家SaaS企业,于2013年3月被微软所收购。
Siciliano随后加入了Azure团队以帮助Azure客户获取监控、管理以及自动化方案,特别是Azure Autoscale与Alerts项目。最近,他的团队还开发出了Logic Apps。在此之后,Siciliano转而担任PowerApps中Logic Flows的项目经理。
本周,Flow与PowerApps再次引发关注——微软决定在2016年年底之前将二者整合至SharePoint Online当中。微软亦开始将Flow与PowerApps进行相互整合,之后再同SharePoint Online文档库与列表机制结合,微软官员于5月4日指出。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。