微软将增加新的Microsoft 365捆绑包,并且向这些集成的Windows、Office 365以及Enterprise Mobility + Security管理和安全订阅产品中添加更多功能。
微软在今年7月的Inspire大会上就推出了Microsoft 365,并且从今年夏天开始提供这些捆绑包的Enterprise和Business版本。
本周微软举行的Ignite IT Pro大会上,微软将向Microsoft 365产品线中增加更多版本:Microsoft 365 Education和Microsoft 365 F1。
Microsoft 365 Education包含Windows 10、Office 365 for Education、Enterprise Mobility + Security和Minecraft Education Edition,这将供学生和教师使用。
Microsoft 365 F1是针对“第一线”客户服务和支持人员的,包含Windows 10、Office 365 F1(也就是之前的K1计划)以及Enterprise Mobility + Security。微软StaffHub则是一个旨在帮助服务人员管理时间表的应用之一,它也是该产品的一部分。
微软方面还提到了即将推出的“Microsoft 365 for NonProfit”版本,但是并没有明确说其中会包含哪些内容。
微软和包括HP、联想和富士通在内的OEM合作伙伴将在今年晚些时候提供运行Windows S、号称由“Microsoft 365提供支持”的低端PC。所以现在我们了解到的是,除了Windows 10 Enterprise和Windows 10 Business之外,还会有不同版本的Windows 10作为Microsoft 365捆绑包的一部分。
还有一个微妙但很重要的转变,那就是“Microsoft 365”将成为微软在说到添加到Windows 10、Office 365和Enterprise Mobility + Security的功能时喜欢提及的。微软高管会说,这些功能都是Microsoft 365的新增功能,而不是微软将推出这些新的面向Office 365或者Excel的个性化搜索,以了解更多数据类型。
在Ignite大会上,微软预览了一些即将新增到Windows 10、Intune和Office 365中的其他管理新功能。从2018年1月开始,联想和HP将开始为客户提供Windows Autopilot。Windows Autopilot已经面向Microsoft Surface提供了,允许用户设置新的设备,为客户部署进行预配置。
微软还向System Center Configuration Manager以及Intune中增加一个新的共同管理功能,目的是让从内部部署到云管理的过渡变得更轻松和更加无缝。
微软还将在2018年年初的时候增加Office 365 Usage Analytics,让管理员能够对服务范围内的使用情况相关数据进行分析和可视化。微软将增加更多条件访问功能,以及新的Microsoft 365 Information Protection功能,更新针对电子邮件和文档的信息保护功能,以及新的威胁防护功能,包括Office 365 Advanced Threat Protection。
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。