至顶网软件频道消息:在加利福尼亚州圣克拉拉举行的Cloud Foundry峰会上,微软宣布该公司已加入该Cloud Foundry Foundation成为黄金会员。加入一个开放源代码的平台即服务(PaaS)云供应商,主要使用Java和Node.js而不是.NET Core构建应用程序,微软这到底是在做什么?很简单。微软Azure Compute总监Corey Sanders告诉我:“这就是客户所在。”
在Sanders的主题演讲中,他表示微软自2015年以来一直在与Cloud Foundry合作。“对于我们而言,这是一个很自然的进步,我们的客户喜欢在Azure上运行Cloud Foundry应用程序。”
在过去几年中,微软已经加大了对开放源代码项目和社区的参与度。微软甚至加入了Linux基金会。微软——是的,就是微软——是开放源代码GitHub的积极贡献者,并有开放源代码的.NET Core。
事实上,Azure中运行的三分之一虚拟机(VM)都在使用Linux。不仅如此,超过60%的Azure Marketplace图像是基于Linux的。加入Cloud Foundry可能听起来很奇怪,但如果你想想微软最近对Linux的“拥抱”,这就一点也不奇怪了。
例如,微软主要的企业客户,例如Manulife、John Hancock保险母公司和福特已经准备好了在Azure上运行Cloud Foundry应用程序。
为什么是现在?Sanders表示:“微软和Cloud Foundry社区对企业业务和技术需求的理解高度一致,这样做也符合我们致力于帮助组织在不被供应商锁定的情况下让其应用程序现代化的目标。”
是的,你没有看错。一位微软的高管刚刚表示,他反对“供应商锁定”。当我在采访中表示,“几年前你不会在微软工作。”的时候,他回答说,“我不会去那里的。”
展望未来,微软不仅在Azure上支持Cloud Foundry。微软还将继续努力成为领先的开放源代码企业PaaS,并在此进程中不断致力于开发Cloud Foundry。
Sanders解释说,在短期内,“我们正在扩展Cloud Foundry与Azure的集成。包括与Azure数据库(PostgreSQL和MySQL)的后端集成以及SQL Database、 Service Bus和Cosmos DB的云代理支持。”微软还在Azure Cloud Shell中包含了Cloud Foundry命令行界面,以便轻松地进行Cloud Foundry管理。
此外,还添加了以下功能:
·Azure Cloud Provider Interface (Azure云供应商程序接口)——Azure CPI提供了一个开放源代码发布工程工具BOSH与Azure基础架构之间的集成,包括虚拟机、虚拟网络以及运行Cloud Foundry所需的其他基础设施。CPI不断更新,以利用最新的Azure功能,包括对Azure Stack的支持。
·Azure Meta Service Broker(Azure元服务代理)——Azure meta service broker为Cloud Foundry开发人员提供了一种简单的方法来将其应用程序配置和绑定到我们最受欢迎的服务上——包括Azure SQL,Azure Service Bus和Azure Cosmos DB。
·Visual Studio Team Services Plugin——针对Visual Studio Team Services(VSTS)的开放源代码Cloud Foundry插件为构建CF的连续集成/连续交付(CI / CD)流水线提供了丰富的支持,包括从VSTS托管构建代理部署到CF环境的能力,允许团队避免管理构建服务器。
·Microsoft Operations Management Suite Log Analytics(微软操作管理套件日志分析)——在OMS中与Log Analytics进行集成,让你可以收集用于监视你的CF应用程序的系统和应用程序的指标和日志。
十年前,没有人认为会看到这一切的到来。但那是昨天。今天,微软正在与其他公司以及开放源代码软件紧密合作。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。