微软利用本周举行的微软Connect() 2018开发者大会宣布强化在Azure公有云基础设施平台上提供的人工智能产品。
在今天一系列AI相关的公告中,最引人关注的就是Azure Machine Learning Service的面市,这款基于云的产品让数据科学家和开发者可以用来快速创建和训练机器学习模型,然后将其部署到生产中。
微软表示,开发者借助Azure Machine Learning Service可以消除构建和培训机器学习模型所涉及的大部分繁重工作,主要功能包括能够自动选择和调整机器学习模型,最大的优点是减少了将这些模型投入运行和生产所需的时间。
微软最早在今年9月首次预览了Azure Machine Learning Service,并称将从明年2月1日开始全面提供。
此外,微软还更新了Microsoft Azure Cosmos DB数据库服务,该服务为那些需要AI应用在全球范围内可靠运行的企业组织提供跨了Azure不同区域的分发。微软表示,新的Azure Cosmos DB Shared Throughput Offer已于今天面市,它可为运行多个容器数据库的企业提供“更低的门槛”和“更好的定价选择”。
最后,微软还更新了一些Azure Cognitive Services服务,让开发者可以更轻松地将更多AI功能构建到他们的应用中。Azure Cognitive Services是一系列应用编程接口的集合,让应用可以通过自然的通信方式“看、听、说、理解和解释”人们的需求。微软说,部署Azure Cognitive Services的最佳方式是通过应用容器,应用容器将应用与基础设施隔离开来,只编写一次应用就可以运行在任何平台上。
微软表示:“通过在容器中部署Azure Cognitive Services,客户可以分析靠近数据所在物理世界的信息,提供实时洞察以及具有高响应度和上下文感知的沉浸式体验。”
为此,微软将增加对还在预览中的Language Understanding API的容器支持,让开发者可以在网络边缘运行“语言理解解决方案”。第二个更新是向Translator Text API引入了自定义翻译功能,微软称从今天开始,这让开发者可以使用人工翻译的内容来构建一个自定义翻译系统,更好地处理特定书写风格、行业表达和词汇。
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。