ZD至顶网软件频道消息: 8月12日,微软宣布将用Citrix的虚拟化软件和服务逐步取代Azure RemoteApp技术,并称其为“我们同Citrix下一步在远程桌面和应用程序领域广泛合作”。
据悉,微软对Azure RemoteApp的客户支持截止到2017年8月31日,新的Azure RemoteApp销售也将于2016年10月1日停止,明年八月底这项服务将不再继续。
微软今天发布了博客文章解释这一举措:
“我们收到了具有一致性的客户反馈,即他们想要一个全面的、端到端的、基于云的解决方案来进行Windows应用程序交付。对于我们来说,要做到这一点的最好办法就是和Citrix合作,使用XenApp‘express’,它目前已经在开发了。XenApp ‘express’结合了远程应用程序的简单性和Azure的可扩展性,并具备安全性、可管理性和XenApp的性能优势,能够将Windows应用程序提供给任何员工的任何设备。在未来几个月里,关于该产品我们有很多要分享的东西。”
Citrix对此事的描述则略有不同,他们表示微软将协助Citrix开发下一代Citrix XenApp以及相关的XenDesktop服务。
Citrix 8月12日发布的关于此事的博客文章中这样写道:
“为了配合这项工作,微软最近宣布有意放弃微软Azure RemoteApp服务,协助Citrix开发下一代的这项服务。未来的Citrix XenApp ‘express’服务结合了微软Azure RemoteApp的简单性和速度,以及Citrix XenApp的很多企业功能,以革新云端应用交付的方式。从很多方面看,你都可以将XenApp‘express’服务当做Azure RemoteApp v2.0。”
现在,让我们回顾一下Azure RemoteApp。2014年12月,微软全面推出代码代号为“Mohoro”的Azure RemoteApp,这项服务允许用户部署Windows应用程序,并且通过各种设备访问它们。最初有关于微软在打造RemoteApp/Mohoro的消息传出来的时候,一些消息人士则表示Citrix对于微软进入这一领域感到不是很高兴。
事实上,Azure RemoteApp并不是被设计成桌面即服务产品,相反,它更多的是一种远程访问服务。微软将其定位成对微软现有传统内部部署远程桌面服务产品的补充,客户使用同样的RDP客户端连接。
今年早些时候,Citrix宣布将让拥有Windows 10 Enterprise后续升级服务的用户通过XenDesktop在Azure上运行Windows 10桌面进行生产。
随后,也就是上个月,微软还将Remote Desktop Services工程团队从云计算和企业集团调整到了Windows和设备集团。
最新进展:Azure团队向RemoteApp客户发送了电子邮件,声称放弃RemoteApp的决定是“根据客户反馈和市场动态”做出的。以下内容摘自这封电子邮件:
“在2016年8月12日,我们宣布了我们打算放弃Azure RemoteApp的计划。根据客户反馈和市场动态,我们调整了我们的策略,更加聚焦云平台,它是桌面和应用程序虚拟化服务的基础。因此,我们扩展了同打造完整解决方案的合作伙伴的合作关系,最引人注目的就是Citrix。Citrix是我们在这个领域内长期合作的伙伴,我们最近拓展了彼此间的合作来解决这个问题,让共同的客户使用Azure云。”
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。