至顶网软件频道消息: Salesforce日前推出旗下的Einstein Analytics自然语言查询服务,为商业用户提供可视化和数据发现分层(Breadcrumbs)的功能。

Salesforce分析团队从自己的平台以及其他来源提取数据,因此这些可视化产品可能会成为Tableau的竞争对手。爱因斯坦分析产品副总裁Amruta Moktali表示,爱因斯坦分析的会话查询服务的目标是在Salesforce平台上实现可视大众化,用户体验与Tableau相若。 Salesforce的会话查询服务与微软的 BI也相仿。
Moktali 表示,"我们提供的工具可以在没有图表的情况下进行探索和提出问题。你可以提出问题及获得答案。我们注重于赋予用户的权能。我们的大部分用户都是商业用户。"

业务用户使用会话查询版爱因斯坦分析(Einstein Analytics with Conversational Queries)只需键入与数据相关的短语,例如按收入显示最前面的账户,然后往下翻动。动态图表会在输入查询时自动呈现。
会话查询是将可视化与会话用户界面结合在一起衍生出来的功能。
爱因斯坦分析的主要功能是回答问题,然后创建图表来显示结果。 这些Salesforce功能可以更好地对答案进行可视化,并能提供建议性图表面板。问题的视觉历史能提供多个层面展示你的工作。
下面三个截屏是Salesforce设想的一个用户在与他们的数据进行会话。



好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。