2020年2月11日,微软宣布,发起包含现金捐款,及微软产品、服务和解决方案在内的第二批捐赠,累计捐赠总额超过4578万元人民币,全力支持抗击新型冠状病毒疫情。这第二批捐赠包括来自微软公司、大中华区及美国总部员工的现金捐款与公司配捐共478万元,还包括总值超过4000万元的产品、服务和解决方案,全力支援前线医院和医疗工作者,鼎力支持企业用户、学生、教育工作者及合作伙伴。此前,微软在1月26日,第一批捐赠了100万元人民币善款,用于防控疫情。
微软公司资深副总裁、大中华区董事长兼首席执行官柯睿杰(Alain Crozier)表示:“在这个全球挑战面前,微软始终坚定地与中国在一起。我们要做的不只是捐款,从北京到西雅图,整个公司都在全天候地共同努力,竭己所能,用我们的技术和平台帮助更多受影响的人和组织克服重重挑战。我们不遗余力地帮助我们的员工、客户、合作伙伴共度难关。我们正以实际行动践行微软的使命——予力全球每一人、每一组织,成就不凡。”
微软捐赠的部分产品、技术和解决方案已经驰援抗击疫情的最前线:
• Office软件捐赠给刚刚建成的武汉火神山医院、武汉雷神山医院等医院;
• 在合作伙伴的帮助下,Windows Server Datacenter 版本及SQL Server Enterprise版本,为郑州市第一人民医院紧急建设的传染病区构建基础信息系统;
• 由Surface 电脑设备、Office 365、Power BI组成的数据管理方案,已经提供给武汉、广西、重庆、郑州等医院,控制机器人进行自动化消毒,帮助一线医护人员实时协同协作,高效呈现数据;
• 与多地地方政府主管部门及卫健委展开合作,为其提供由微软合作伙伴利用Power BI开发的疫情数据分析决策平台;
• 300多位来自中国、美国、加拿大的注册心理咨询师,组成了用“心”抗疫志愿者团队,借助由世纪互联运营的Office 365中特有的SharePoint、OneDrive网络服务以及Skype for Business网络视频会议系统,为正在和即将奔赴疫情防控一线的医务人员及其家属、确认患者、疑似患者及易感人群,开通了24小时不间断的电话和网络心理咨询服务热线;
• 微软宣布防疫信息实时互动开源项目,并提供免费Azure云计算资源,帮助企业客户打造一站式防疫信息分享平台,在疫情期间为企业内部提供安全准确的信息发布和传递渠道。
为了帮助降低疫情的经济影响,让更多的企业和合作伙伴快捷、高效地搭建起功能全面、安全可靠,并且能立刻投入使用的远程办公、在线教学平台,微软推出了多项免费及优惠措施。即日起,企业用户可以申请Office 365 E1国际版为期6个月的免费服务,其内含Microsoft Teams智能远程协作服务,尤其适合远程办公和教学场景;面向需要严格确保数据隐私和安全合规的企业,微软与本地运营合作伙伴推出3个月免费的Azure VDI本地云桌面服务,让使用不同移动终端的用户都能远程登录到安全可靠、统一管理的虚拟桌面环境进行工作;为身处一线的工人和后方技术专家提供远程连线服务,Dynamics 365 国际版Remote Assist现提供免费试用服务。
“汇溪成流,共克时艰!我们相信,只要我们坚定信念,共同努力,就一定能够创造更美好的未来!”柯睿杰说。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。