微软宣布已经收购了Express Logic——一家相对低调但有影响力的软件制造商,其技术可以为全球大部分互联网连接的设备提供支持。
微软尚未披露这次收购的交易条款,不过考虑到Express Logic在互联设备生态系统中所扮演的突出角色,收购价格有可能是相当可观的。
Express Logic打造了ThreadX——一种专门用于功率受限的小型电子产品的操作系统,从智能灯泡到工厂中用于生产调度的工业控制系统,大多数应用中都可以找到ThreadX的身影。
ThreadX甚至被用于太空任务中——NASA选择了ThreadX为2005年从卡纳维拉尔角起飞的Deep Impact探测器提供动力。Express Logic方面称,自20多年前首次发布以来,ThreadX已经总计部署在62亿台设备上。
ThreadX平台最显着的特点是占用空间小,只需要几兆的存储空间即可安装,并且启动只需要不到120个处理器周期。
ThreadX将成为补充微软自主开发的Azure Sphere操作系统在互联设备领域的一个补充。Azure Sphere软件也相当轻巧,但对于某些低功耗系统来说可能过于耗费资源,这次收购正好填补了这一空白。
微软Azure IoT总监Sam George在博客文章中解释说:“我们会向客户推荐使用Azure Sphere实现最安全的云连接,但是Azure Sphere在高度受限的设备中无法使用,所以在这个领域我们会推荐使用Express Logic的ThreadX RTOS,而不是其他RTOS选项,因为它具有额外的认证以及与Azure IoT Hub的现成连接。”
IoT Hub是微软Azure公有云中的一套互联设备管理服务。收购完成后,微软可能会在ThreadX及微软云服务之间增加更多集成以推动企业采用Azure。
ThreadX目前也还在为AWS和Google云平台提供连机器,微软方面没有具体说明收购后是否会继续提供这些支持。
好文章,需要你的鼓励
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。
这项研究探讨了多模态大语言模型在增强推理能力时出现的视觉幻觉问题。研究发现,模型生成更长推理链时,对视觉信息的关注减少,导致幻觉增加。研究者提出RH-AUC指标和RH-Bench基准来评估模型在推理与幻觉间的平衡,发现较大模型表现更好,纯强化学习训练优于监督微调加强化学习,且训练数据的类型比数量更重要。这些发现对开发既具推理能力又保持视觉准确性的AI系统具有重要意义。
这篇研究探讨了大语言模型在自动推理任务中的不确定性问题。研究者提出,模型生成形式规范时的概率不确定性不是缺陷,而是宝贵的信号源。通过引入概率上下文无关文法框架分析SMT-LIB程序分布,他们发现不确定性信号具有任务相关性(如逻辑任务中的语法熵AUROC>0.93)。他们的轻量级信号融合方法能减少14-100%的错误,仅需最小弃权,将大语言模型驱动的形式化转变为可靠工程学科。研究揭示当模型正确理解逻辑关系时会产生稳定的语法模式,为判断何时信任模型提供了可靠指标。
来自沙特阿拉伯王子苏丹大学和阿尔法萨尔大学的研究团队开发了GATE(General Arabic Text Embedding)模型,这是一套专为阿拉伯语设计的文本嵌入系统。该研究结合了套娃表示学习和混合损失训练方法,解决了阿拉伯语特有的语义处理挑战。GATE模型在MTEB基准测试的语义文本相似度任务中表现卓越,比包括OpenAI在内的更大模型高出20-25%,同时保持了多维度(768至64)的高效表现。研究通过详细的错误分析揭示了模型在不同相似度水平上的表现特点,为阿拉伯语NLP领域提供了新的研究方向。