微软今天发布了新的数据治理工具,面向那些希望减轻保护敏感业务信息安全任务的企业。今天推出的这些工具是用于微软Microsoft 365订阅产品的,将Office 365与Windows 10、网络安全服务和其他产品捆绑在一起。
最突出的一项新增特性是一种称为灵敏度标记的功能,该功能让企业组织的普通员工能够在防止滥用业务记录方面发挥积极的作用。
该工具采用了Office应用中的新下拉菜单形式,企业可以使用菜单显示自定义标签列表,每个标签对应不同级别的文档敏感度,以及一组独特的数据治理策略。当员工将标签附加到文档时,相应的策略也将自动应用于该文件。
此外还可以根据企业的具体要求定制规则。例如,管理员可以配置Microsoft 365,加密标记为“机密”的文档,并在每个页面的顶部插入水印,以显示这些文档包含了高优先级的数据。
微软表示,即使员工将这些文档从一台设备转移到另一台设备,或者在不同云应用之间迁移,这些仍然保留下来。这让企业组织可以跨平台追踪记录,从而确保不会出现在不该出现的地方。
出于同样的目的,微软发布了另一款名为Supervision的工具,用于监控员工通过电子邮件共享了哪些数据。该公司让企业能够在满足特定条件下标记那些需要审阅的消息,例如包含有客户财务信息的附件。微软表示,除了提高安全性之外,Supervision还可以让企业更轻松地符合某些行业特定的法规。
这些新工具将通过微软为Microsoft 365添加的专有合规仪表板中获得。这个控制台提供了功能快捷方式,并显示与企业组织遵循数据管理规则有效程度相关的高级指标。
此前微软刚刚发布了Microsoft 365新的专有版本,其中包含了用于管理敏感记录的扩展功能,此举突显了微软正在努力满足企业对数据治理工具日益增长的需求。由于欧盟GDPR法规以及其他地区类似法律的实施,让那些有全球运营业务的企业正在面临越来越严格的隐私法规。
微软并不是唯一一个利用这个机会的企业。就在今天早上,数据管理和隐私专家Collibra宣布在由Alphabet CapitalG基金领投的融资中获得1亿美元投资。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。