至顶网软件频道消息:微软正在拓展其最安全的Azure政府云服务的可用性,以便将其提供给国防部以外的政府机构。
10月16日,微软在华盛顿特区召开的Government Cloud Forum(政府云论坛)上宣布拓展其Azure Government Secret服务以处理分类数据。这项服务——将在未来的某个时候推出(微软的官员们拒绝给出具体时间)——将会让美国军方各部门以及国防部门使用Department of Defense Impact Level 5 Provisional Authorization认证的Azure Government Cloud。
微软已经拥有了六个只针对政府的数据中心,并通过了DoD Impact Level 5 Provisional Authorization认证,其中有两个区只针对美国国防部的工作载荷。
官员说,Azure Government Secret将向US Federal Civilian(美国联邦政府)、Department of Defense(美国国防部)、Intelligence Community(情报单位)以及在Secret飞地的美国政府合作伙伴提供多租户云基础架构和云功能。
微软官员在一篇博客文章中介绍了即将推出的服务,“具有保密要求的客户可以将可以获得大规模的新技术,包括认知能力、人工智能和预测分析等服务。”
微软最初在2014年12月推出了Azure Government Cloud,这是一个专门针对美国政府客户设计的锁定版本的Azure。它的代码代号是“Fairfax”,这项云服务针对的是联邦、州、地方、种族和国防部的客户及其经销商/解决提供商。Azure Government Cloud数据中心由通过背景审查的美国公民进行保护、运营和支持。所有客户数据、内容、组织数据、硬件、网络、物理基础设施和支持人员均位于美国本土。
微软在今天的会议上还发布了另外一些云公告。该公司的官员们今天表示,在2018年初,Microsoft 365将全面提供给微软的美国政府客户。此版本将包括Microsoft Teams、Planner、PowerApps和Flow 。
微软今天推出了Blockchain for Azure Government。微软一直以来进行了大量的工作,为非政府客户提供区块链分布式分类账技术支持。
微软还将Azure安全中心、统一的安全管理和高级威胁防护技术引入了Azure Government;在年底前将NC-Series和Azure Batch(包括其H系列虚拟机)纳入Azure Government;并在Azure Government上增加对Citrix Virtual Desktop Infrastructure(Citrix虚拟桌面基础架构,VDI)技术的支持。Citrix VDI对Azure的支持让用户可以在Azure上虚拟运行Windows 10桌面。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。