ZD至顶网软件频道消息: 对于一些人来说,微软Word的那些花哨的功能并不能比txt文本编辑软件更吸引人。
不过,现在微软打算争取这样的客户,他们打算为其核心Office应用程序添加更多内置的智能,让Office变得更聪明。即,为Word开发新的内置的搜索和编辑工具;为PowerPoint开发一个新的视觉提示助手。
Word Researcher是一款主要针对学生完成研究论文的工具,当然这并不是它唯一的目的,Researcher可以找到“可信的”内容,并且通过内置的搜索和引用功能提供给用户。这款工具使用Bing Knowledge Graph(也就是"Satori")来判断可用户性内容。
随着时间的推移,微软计划为Researcher提供一整套扩展的可引用资料。7月26日,微软宣布将增加来自“国家科学和健康中心、知名百科全书、历史数据库及更多来源”的内容。
由于Researcher是一项服务而不是静态的功能提供,因此它提供的内容也将定期更新。在过去几年里,微软一直在努力让Bing更多地融入Office。这和“Bingify”Outlook的使命非常类似,两者开始的时间也差不多。
目前在各大Office 2016应用程序中的Smart Lookup功能让用户能够获得词语以及概念的定义。微软表示,Researcher更关注研究相关的任务,以及帮助提供文档结构的功能。
Researcher于近日面向Office 365用户以及Windows桌面版本上的Word 2016用户推出。微软还计划为打算“在近期”进行本地安装的Office 365用户增加移动设备支持。
此外,对于更多用户来说,更有意思的一种功能是Word中的另一个内置的智能编辑器,对已完成的内容进行拼写检查和语法检查。
Word Editor
微软将这款编辑器命名为Editor,它将帮助用户挑出应用不准确的词语。Editor还将改变Word之中用来区分拼写编辑(红色波浪线)、潜在的语法问题(蓝色双下划线)或者冗余或啰嗦等整体风格问题(金色虚线)的视觉提示符。如果用户愿意这样做的话,还可以通过Editor自定义Word内置的编辑功能,设置公司品牌以及/或各种不同的标准样式指南。
据悉,Editor将于今年秋天面向Office 365用户以及Windows桌面电脑版本的Word 2016用户推出。微软表示他们将对使用趋势进行评估,以决定是否将这一功能扩展到其他平台。
同时,微软继续沿着“保持用户专注”的路线上,为PowerPoint增加了名为Zoom的功能,它可以创建交互式的汇总,并且提供演示文稿地图。对于那些一直停留在课程之中,拿到或者观看演示文稿的用户来说,Zoom很有用,它能够提供演示过程的视觉提示。
PowerPoint Zoom
微软表示,Zoom将成为Office 365七月份更新的一部分,首先被提供给Insiders,然后“紧接着”就会提供给所有的订阅用户。
在相关的新闻中,微软正在扩大Windows、Mac以及网络版本的Outlook的Focused Inbox功能(Clutter的替代品)可使用的范围。Focused Inbox是Acompli团队开发的一项功能,微软几年前收购了它,并且已经在iOS和Android版本的Outlook中推出了这项功能。
Focused Inbox旨在自动对用户的电子邮件进行分类,并且将最相关、最重要的电子邮件挑选出来。我在安卓系统上的Outlook中立刻关闭了这项功能,但是我知道也有些人认为它很有用。我喜欢自己对电子邮件进行分类,以防止任何重要的东西被分到其他的类别里。
而且,微软也按照承诺从本周开始在Outlook中推出了@mentions功能。此外,微软还表示,它们将“很快出现”在iOS、Android和Windows 10 Mobile上的Outlook之中。
好文章,需要你的鼓励
杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。