微软近日宣布开放Infer.NET源代码,是微软内部开发的一个机器学习引擎,用于为Azure、Office 365和Xbox视频游戏平台提供支持。
微软已经根据MIT许可(允许免费商业使用)在GitHub上的工具提供Infer.NET代码。这是微软在位于英国剑桥的研究实验室开发Infer.NET软件第一个迭代之后的近15年来,首次开源Infer.NET。
Yordan Zaykov是Infer.NET背后的团队工程负责人,他在一篇博文中详细介绍了该引擎的演变。他写道,一开始Infer.NET软件是作为一种研究工具的,被用于创建了数百篇从流行病学到森林保护等领域的学术论文。多年来,Infer.NET发展成为Zaykov编写的可扩展引擎,到现在已经可以帮助处理微软不同服务中的PB级数据。
Infer.NET引擎与许多其他开源机器学习工具不同,它旨在促进“基于模型”的方法来构建人工智能软件,从而逆转正常的开发工作流程。
使用传统的机器学习工具时,工程师通常会利用现有的一个AI算法,根据项目的要求对其进行改进。相反,Infer.NET以这些要求为出发点,让工程师能够将项目特定信息表达为模型,并使用该模型生成针对手头任务优化的、新的自定义AI算法。
这种方法使Infer.NET非常适合依赖于大量特定领域知识的项目。此外,使用该工具创建AI算法,这是直接由它们所基于的模型决定的,为其内部工作提供了急需的可见性。
微软的Zaykov在帖子中解释说:“如果你自己已经设计了模型以及遵循这个模型的学习算法,那么你就可以理解为什么系统以特定方式运行或做出某些预测。随着机器学习应用逐渐进入我们的生活,理解和解释他们的行为变得越来越重要。”
他补充说,使用Infer.NET创建的模型可以处理各种不同的数据类型,包括需要实时处理的信息,以及不完整或有缺陷的记录。
微软计划将该引擎作为自己为广泛使用的.NET开发平台创建的ML.NET框架的一部分,后者也可以在开源许可下使用。微软还提供另一个名为Microsoft Bot Framework的开源人工智能工具,旨在构建虚拟助理。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。