至顶网软件频道消息: 自2015年7月正式发布以来,Power BI的愿景就是让身处各个职位、部门和行业的用户能在几秒钟内享受到Power BI带来的便利,并在几分钟内从数据中获取洞察,进而实现商业价值。微软一直致力于助力用户大量地获取洞察,并且已经帮助超过200,000个Power BI企业用户实现了这样的目标。由这些客户所组成的全球化社区也在持续为Power BI升级做出贡献——截止到目前,在超过50,000名用户的共同努力下,Power BI已经新增了400余项功能。
现在,微软迈出了全新的一步——发布Power BI Premium。Power BI Premium以现有的Power BI产品组合为基础,采用基于容量的许可模式,提高了用户访问、共享和发布内容的灵活性。该产品还将为Power BI服务提供额外的可扩展性和性能。
“按容许可”的灵活性。Power BI Premium具备更大的许可灵活性,能够帮助企业根据用户的特有需求为其设置合适的访问权限级别。例如,在许多企业中,一些并不主动生成商业智能的用户,对于分发内容却依旧有消费需求。Power BI Premium能够让Power BI Pro用户能够在企业内部广泛发布报告,而无需每个接收报表的用户都要有Power BI Pro的授权。
更大规模,更高性能。使用Power BI Premium的企业将能够根据其团队、部门或企业本身的需求对产品性能进行定制。该服务能够将所包含的Power BI服务容量,指定分配给每个企业、并获得指定硬件的支持,而这些硬件都完全托管在微软。企业可选择在大范围内应用其专用容量,或根据用户数量、负载需求或其它因素把这些容量分配给指定的工作区,并且随需求变化对容量进行增减。该功能还提供了一个计算器,用来帮助用户进行容量规划。
Power BI应用。除了用于企业部署的Power BI自由许可,微软还在对Power BI应用中的内容包进行升级,以期改善用户在企业层面发现并探索洞察的方式。针对特定的个人、团体或整个企业,Power BI应用提供了一种更为简化的方式,来部署仪表盘和报告。这些应用的安装及操作都极为简便,企业用户能够轻松将内容集中到同一位置,并进行自动更新。
本地功能扩展。Power BI Premium可通过Power BI 报告服务器(Power BI Report Server)对本地的商业智能资产进行维护。作为一个本地服务器,Power BI报告服务器能够在企业防火墙范围内部署和分发交互式Power BI报告,以及传统的分页报告。通过Power BI Premium,企业在云中配置的、同样数量的虚拟内核也可通过Power BI报告服务器被部署到本地,而无需拆分容量。企业既能够选择基于云的Power BI,也能够通过Power BI报告服务器将报告保存在本地,并按照自己的需求逐步迁移到云上。
嵌入式分析。针对来自客户、合作伙伴以及广泛开发者社区的应用,微软还将通过Power BI Premium对Power BI内容嵌入这些应用的方式进行提升。作为此次发布的一部分,微软将Power BI Embedded与Power BI服务进行了整合,提供统一的API接口、一致的功能组和最新功能的使用权限。接下来,针对那些有意将Power BI嵌入其应用的用户,微软将鼓励他们从Power BI Desktop入手,并逐步迁移部署至Power BI Premium。微软也将继续对基于Power BI Embedded的现有应用提供支持。
正如Power BI Premium简化了大规模商业智能部署一样,微软还简化了Power BI Pro与Power BI免费版之间的区别。Power BI免费版适用于个人用户,而Power BI Pro则支持协同办公,之前,二者之间的功能差异给用户带来了困惑。微软将对Power BI免费版进行改进,使其拥有与Power BI Pro相同的功能,但是共享和协同办公功能将仅限Power BI Pro用户使用。Power BI免费版的用户将能够获得对所有数据源的访问权限、工作区存储限制的提升,以及更高的刷新和传输速度。这些变化已在6月1日正式生效,用户可以访问 Power BI 社区了解更多详情。Power BI Desktop将继续免费提供。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
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。