开发者现在可以一览微软用于构建软件、应用、网站和其他服务的Visual Studio集成开发环境了。
微软在今天上午举行的Connect()开发者大会上公布了Visual Studio 2019的初步预览,增加了一系列旨在提高生产力和促进更紧密协作的新功能。
生产力的提高来自于Visual Studio的IntelliCode套件增强功能,这是一组实验性的人工智能辅助开发功能,旨在帮助开发者更快完成工作。Visual Studio 2019中引入了一种所谓“自定义模型”,微软称该模型旨在改善IntelliSense功能,IntelliSense是一个与IntelliCode(开发者可以用来自动编写代码段)捆绑在一起的“代码完成工具”。
微软表示,自定义模型的想法是为了根据代码中的模式和库为开发者提供个性化的建议,以提高工作效率。IntelliCode兼容C#、JavaScript、TypeScript、Python和Java。
Visual Studio 2019的预览现已上市。微软还发布了Visual Studio 2019 for Mac预览版,提供了与主版本相同的功能。
与此同时,为了提高协作,微软将向Visual Studio Live Share——一项让开发者共享整个应用开发环境的服务——中引入新功能。微软表示,新功能包括更多“共享桌面应用、源代码控制差异和代码评论”。
Visual Studio并不是唯一获得更新的开发工具。微软还推出了.NET Core通用开发平台的两个新版本,用于构建云计算和物联网应用。最新版本.NET Core 2.2的更新涵盖了应用编程接口和安全性等内容。更令人兴奋的是,.NET Core 3.0的预览版本附带了大量更新,旨在为云、物联网和AI工作负载的开发者减轻负担。
最后,微软公布了ML.NET 0.8的公开预览,开发者可以利用这个跨平台机器学习框架自定义AI模型,并将其集成到他们的软件应用中。微软表示,开发者通过ML.NET可以轻松地为任务建立模型,包括回归、分类和聚类等。
ML.NET 0.8从今天开始公开预览。
好文章,需要你的鼓励
这项研究介绍了一种名为FlowPathAgent的神经符号代理系统,用于解决流程图归因问题。研究团队提出了流程图精细归因这一新任务,构建了FlowExplainBench评估基准,并开发了结合视觉分割、符号图构建和基于代理的图形推理的方法。实验表明,该方法在归因准确性上比现有基线提高了10-14%,特别在处理复杂流程图时表现出色,为提升人工智能系统在处理结构化视觉-文本信息时的可靠性和可解释性提供了新途径。
这项研究首次从神经元层面揭示了大型语言模型(LLM)评估中的"数据污染"机制。研究团队发现当模型在训练中接触过测试数据时,会形成特定的"捷径神经元",使模型无需真正理解问题就能给出正确答案。他们提出了一种新方法,通过识别并抑制这些神经元(仅占模型总神经元的约1%),成功恢复了模型的真实能力表现。实验证明,该方法与权威可信基准测试结果高度一致(相关系数>0.95),并在不同基准和参数设置下都表现出色,为解决LLM评估可信度问题提供了低成本且有效的解决方案。
这份来自向量研究所、康奈尔大学和格罗宁根大学研究团队的综述分析了基于大语言模型的代理型多智能体系统中的信任、风险和安全管理框架(TRiSM)。研究系统地探讨了代理型AI从概念基础到安全挑战,提出了包含治理、可解释性、模型运营和隐私/安全四大支柱的TRiSM框架。文章还详细分析了威胁向量、风险分类,并通过真实案例研究展示了潜在脆弱性。
这项研究提出了一种名为ConfiG的创新方法,通过生成针对性的数据增强样本来解决知识蒸馏中的协变量偏移问题。研究团队利用教师模型和学生模型之间的预测差异,引导扩散模型生成那些能挑战学生模型的样本,从而减少模型对训练数据中欺骗性特征的依赖。实验表明,该方法在CelebA、SpuCo Birds和Spurious ImageNet数据集上显著提升了模型在缺失组别上的性能,为资源受限环境下的AI应用提供了实用解决方案。