至顶网软件频道消息:借助2016年底收购LinkedIn,微软继续在SaaS市场保持领先地位。
微软在2016年6月宣布计划斥资260亿美元收购LinkedIn,这也是2016年最大的一笔收购。当时,据称微软对LinkedIn庞大的业务和员工数据很感兴趣,这些数据可以用于丰富其Office 365和Dynamics 365等SaaS产品。
一年之后,微软的这个赌注似乎得到了回报。Synergy Research Group在近日发布的一份报告中指出,第二季度企业SaaS市场同比增长31%,季度收入将近150亿美元。
微软在这个榜单中排名第一,领先优势远远超过了Salesforce,去年微软首次赶超Salesforce。Salesforce之后是Adobe、Oracle和SAP SE,这是收入排名前五的SaaS公司。其他还包括Google、IBM、Workday以及ServiceNow。
Synergy Research首席分析师、研究总监John Dinsdale表示:“在主流SaaS厂商中,增幅最高的分别是Oralce、微软和Google。”他补充说,这个SaaS市场现在在某种程度上已经逐渐成熟了,尽管规模上相比本地部署软件市场仍然较小。他还指出,预计未来还会实现进一步增长。
Dinsdale表示,的确企业SaaS市场的规模未来3年可能翻一番,所有细分市场以及地区市场都有强劲的增长。上个季度,该市场的协同板块增长最快,其次是CRM以及ERM。
“IaaS和PaaS市场正在得到越来越多的关注,增长会越来越快,但是SaaS市场规模更大,并且这个趋势还将持续多年。”
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。