至顶网软件与服务频道消息: 周一,微软发布了一系列公告,涉及跨平台部署的Azure云服务、分析和一个扩展的边缘基础架构,但是不那么惹人注目的是该公司如何重新定义其在整个技术社区中的角色。
次日,在对微软在奥兰多举办的微软Ignite大会开幕式的分析中,来自SiliconANGLE Media移动直播平台theCUBE的联合主持人Stu Miniman,提出了这样的问题:“微软现在处于何种位置?……答案是,微软将在很多地方发挥作用。所有你想要的最新、最好的事物,都可以从微软获得。但是他们也将来到你的身边。”
联合主持人Rebecca Knight和Miniman一起参加了会议,他们谈到了另一家公司在本周发布的另一项公告,这项公告此时发布并非巧合。微软脱离了专有文化,该公司与其他云计算厂商展开了竞争。
携手VMware
微软周一宣布推出Azure Arc,这是一个混合平台,用于管理广泛的服务,包括Kubernetes集群(无论它们位于Azure内部还是外部)。在大洋彼端,在巴塞罗那举行的VMworld Europe 2019大会上,VMware也宣布对其Tanzu产品系列进行改进,以便管理Kubernetes上的软件。
二十四小时之后,VMware发布了一个联合解决方案,将Workspace ONE和微软的Endpoint Manager结合在一起,并扩展了Azure VMware Solutions混合云服务。
Miniman表示:“Arc让我想起了我在VMware那里听到的关于Tanzu的消息……Arc的发布以及微软和VMware打算携手进行的下一步动作并非偶然。”
微软对在更广泛的生态系统中部署该公司的技术持开放态度,这反映出该公司首席执行官萨提亚.纳德拉制订的云优先的战略。当该公司的这位首席执行官于2014年首次公开露面时,观察家们注意到他根本没有提到Windows。
Knight表示:“客户似乎想要每个品类中最好的产品,微软对此表示支持,并为此奋斗……我们认为这是更广泛的技术行业中的趋势。但是因为它是微软,而微软的过去又如此执着于专有,所以感觉很不一样。”
凭借着本周发布的产品和微软在战略方法上的转变,这家公司是否能够在公共云市场上赶超亚马逊?
Miniman指出:“上一季度,AWS的收入为90亿美元,而且仍在以35%的速度增长……去年,Azure的收入约为120亿美元,因此从‘基础设施即服务’(IAAS)的角度来看,AWS的规模仍是微软的两到三倍。对于客户来说,它们都是清晰有效的选择。”
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。