ZD至顶网软件频道消息:微软正在打造一个小型的投资集团,目标是对云计算、安全和机器学习市场中的创业企业进行早期投资。
新的集团将使用旧的“微软风险投资”的名号。之前被称为“微软风险投资”的机构属于Developer Evangelism团队,现在已经更名为“Microsoft Accelerator”。微软在5月30日的博客文章中宣布了风险投资集团的安排,并且解释说Microsoft Accelerator将通过微软现有的七个加速器继续帮助创业企业,这些加速器分散在全球。
新的微软风险投资集团的领导人是微软的企业副总裁Nagraj Kashyap,他是今年早些时候从高通跳槽加入微软的。微软风险投资团队最初将在旧金山/湾区、西雅图、纽约和特拉维夫设立办事处,未来几年内扩展到其他地区。
据了解,微软的投资对象大致包括五类企业:能够对Azure形成补充的产品和服务的企业;构建新的商用软件即服务应用程序的企业;瞄准了Windows和HoloLens的企业;围绕着Office 365创造了企业和消费者生产力和通信产品的企业;致力于安全和机器学习的企业。
这篇博客文章中表示,微软并没有制订每年投资的具体数字目标。相反,微软表示,风险投资集团计划把工作重点放在微软加速器和更大型的投资及收购目标之间的空档上。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。