至顶网软件频道消息:微软本周发布了其承诺的首个LinkedIn集成,这是该公司在宣布Microsoft Relationship Sales全面上市的时候承诺的。(Relationship Sales是LinkedIn Sales Navigator加上Dynamics 365 for Sales。)
那么接下来的交付路径图是什么?
在2016年12月,当微软收购LinkedIn最终获得监管部门的批准后,该公司的首席执行官萨提亚.纳德拉列出了两家公司产品线整合的最重要的一些任务。Sales Navigator和Dynamics 365的整合就在此列表中,列表中还包含其他一些Office 365、培训、Windows和其他计划好的集成。到目前为止,我相信Relationship Sales的交付是该列表中完成的唯一项目。
然而,在本周的Inspire全球合作伙伴大会上,微软高管们展示了几款即将推出的LinkedIn-Dynamics 365产品。
该公司的官员们表示,Dynamics 365 for Talent——微软的人力资本管理(HCM)产品——将在七月下旬全面上市,包含了同LinkedIn Recruiter的集成。 Dyanmics 365 for Talent允许创建可跨越Office 365、Dynamics 365和LinkedIn数据的综合人力资源档案。
微软还致力于增强监控用户公司所拥有的LinkedIn组织页面的能力,并了解这些页面上发布的信息和评论。根据微软发布的Dynamics 365路径图,该功能正在“开发之中”。它将被添加到Dynamics 365 for Sales、Dynamics 365 for Customer Service(CRM)、Dynamics 365 for Field Service和Dynamics 365 for Project Service Automation之中。
除此之外,微软还正在为 LinkedIn Lead Gen Forms制作Dynamics 365 Connector,允许用户自动将在LinkedIn上捕获的潜在客户与Dynamics 365在线同步。Dynamics 365 for Marketing和Dynamics 365 for Sales中的这个功能现在是私人预览阶段——这是微软针对中小型企业用户的Dynamics 365 Business Suite的两个缺失的部分。Dynamics 365 Business Marketing和Sales应用程序在上周进入私人预览。
如同之前承诺的那样,自7月1日起,微软开始向企业用户提供在他们自己的数据中心内部运行Dynamics 365 for Finance和Operations的能力。
在其他来自Inspire关于Dynamics的新闻中,微软通过一个名为ISV Cloud Embed的新程序,使软件开发人员能够更轻松地在Dynamics 365、Power BI、Power Apps和Microsoft Flow之上构建应用程序。微软还告诉合作伙伴,其各种ERP套件的内部部署版本将继续更新。
按照MSDynamicsWorld.com的表述,Dynamics GP 2018将于2017年12月1日发布。根据高官们的说法,它获得了更新的工作流引擎以及Power BI Content Pack和Flow模板。
MSDynamicsWorld表示,Dynamics NAV的下一个版本代号为“Tenerife”(似乎将在本日历年中到来)将增加内置的基于Azure的认知服务,例如识别图像的能力,以及集成Office 365 Bookings应用程序的选项。Dynamics SL在2018年还将继续获得新的更新,包括Power BI Content Pack和Flow模板选项。
还有,微软本周上线了新的Dynamics 365文档站点。
好文章,需要你的鼓励
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。