ZD至顶网软件频道消息: 微软的合作伙伴思杰公司将在本季度晚些时候推出两种新的方式来虚拟化微软的软件。
那些想虚拟运行Windows 10桌面的用户将能够使用思杰的XenDesktop Essentials。那些想要直接通过Azure远程提供业务应用程序的用户可以选择使用XenApp Essentials。 XenApp Essentials——在过去几个月中一直被称为“XenApp Express”的技术——旨在取代微软正在逐步淘汰的Azure RemoteApp。
思杰和微软都没有透露这些新产品的具体定价或详细的授权信息。思杰的官员们表示,等到更接近这两款产品全面上市时才会提供这些信息。
两家公司的代表在去年表示,XenDesktop Essentials将仅对基于每个用户的Windows 10 Enterprise和Software Assurance用户,并且将通过XenDesktop虚拟桌面基础架构(VDI)在Azure上管理其Windows 10镜像。
到目前为止,用户已经能够在虚拟机中的Azure上运行Windows 7和8.1客户端,但仅用于开发和测试目的。否则,将违反授权条款。
代码代号为“Mohoro”的Azure RemoteApp允许用户部署Windows应用程序,并通过各种设备访问它。微软在2014年12月全面推出了RemoteApp。
微软官员在去年八月宣布计划放弃RemoteApp,他们提到了各种技术挑战。思杰的官员们表示,新的Citrix XenApp Essentials产品将包括思杰远程协议支持和更好的图像和应用程序可管理性。
思杰的官员们在1月9日——在加利福尼亚州阿纳海姆召开的Citrix Summit的开幕日上公布了XenApp Essentials和XenDesktop Essentials的更新交付时间表。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。