微软近日公布了一系列低代码/无代码开发工具Power Platform的更新,平台新增的人工智能功能进一步简化了工作流程。
微软在近日举行的Microsoft Ignite 2022大会期间面向那些使用Windows和Azure云的开发者和IT专业人士宣布了这一更新。低代码和无代码,是指使用很少或者完全不使用编码就能生成应用,从而实现快速开发和部署应用、配置和工作流。
Power Platform内部有一个名为Power Automate的系统,该系统通过使用低代码界面为业务用户对跨应用和软件即服务平台的工作流实现自动化,用户在这个界面中使用模板语言描述工作流从而对触发器和事件进行排序。
Power Automate将新增自然语言AI能力,让那些没有编码经验或者技术经验的业务用户也可以输入他们想要自动化的工作流的描述,AI会在几秒钟内构建流程。之后,用户就可以在流程设计器中微调工作流,并使用Power Automate完成整个过程。
用户使用这项功能可以简单地键入诸如“如果员工将文件移动到此文件夹中,请根据日期将文件移动到文件夹中,记录下来,然后运行编辑文件的处理器。”之后,AI会生成Power Automate工作流,用户无需编写任何代码来执行这些元素。
对于文档处理,微软使用Power Automate将AI与Intelligent Document Processing结合使用,无需编写任何代码即可处理文档,这让业务用户使用各种可以减少错误并提高提取数据准确性的AI模型,就能批量处理文档,例如组织可以大规模查看的发票和账户报表。
该功能的更新包括用户反馈循环,让用户在收到低准确度分数的文档上重新训练模型、针对非结构化自由格式数据的附加文档类型、对手写文本检测的附加语言支持以及一旦用户标记了表格格式的数据,文档就会增加一页。
Power Pages是一个网页低代码开发和托管平台,现已全面推出,而且还增加了很多更新,其中包括一个完整设计工作室,为用户提供了多步骤的表单,包括样式表、16个可定制外观和感觉的新模板选项、带有视频的教程部分等等。专业开发者工具也已经更新,让创作者们能够轻松编辑HTML、页面样式和JavaScript。
最后,自助式分析工具Power BI也有多个预览更新,包括可连接OneDrive和SharePoint,让用户能够对保存在任一服务中的文档进行编辑而无需下载Power BI桌面应用。通过支持大型数据集报告,“优化”设置意味着用户响应时间会更快。
Power BI还集成了Power Automate和其他Power Platform服务,此前该平台不支持使用Power BI开发的内容,在此版本中,Power BI报表和数据集现在可以作为自动化的一部分进行导入、导出和自定义。
好文章,需要你的鼓励
亚利桑那州立大学的研究团队开发了RefEdit,这是一种新型图像编辑AI系统,能够准确理解和处理指代表达(如"中间那个人"、"右边的猫")。通过创建RefEdit-Bench基准测试,研究者们证明现有模型在多物体场景中表现不佳。他们设计了一种创新的数据生成流程,仅用2万样本就训练出的RefEdit模型超越了使用数百万样本训练的大型模型。这一突破使AI图像编辑在复杂场景中更加精确和实用。
这项研究提出了Critique-GRPO,一种创新的在线强化学习框架,将自然语言批评与数字反馈相结合,克服了传统仅用数字反馈的三大局限:性能瓶颈、自我反思效果有限和顽固性失败。实验表明,该方法使大语言模型能够从错误中学习并改进,在八项数学和通用推理任务中,将Qwen2.5-7B和Qwen3-8B模型的平均通过率分别提高了约4.5%和5%,超越了包括那些引入专家示范的方法。研究还揭示,高熵探索和长回答并不总是最有效的学习方式,质量更重要。这一方法为大语言模型的自我提升能力开辟了新路径。
这篇研究介绍了"量化LLM评价者",一个创新框架,能使大型语言模型(LLM)在评估其他AI输出时更接近人类判断。由麻省理工和Adobe联合研发的这一方法,将评估过程分为两个阶段:先让LLM生成文本评价,再用轻量级机器学习模型将这些评价转化为更准确的数值评分。研究提出了四种评价者模型,适用于不同评估场景,实验表明它们不仅能显著提高评分准确性,还比传统微调方法更节省计算资源。这一框架特别适合人类反馈有限的场景,为AI评估领域开辟了高效且可解释的新路径。
这项研究由IDEA、华南理工大学和北京大学联合开发的Rex-Thinker系统,通过模仿人类的链式思考方式来解决物体指代问题。与传统直接输出边界框的方法不同,它采用规划-行动-总结的三步骤推理,使AI能像人类一样逐步分析图像中的候选物体,并在找不到匹配物体时拒绝作答。通过构建90,824样本的HumanRef-CoT数据集和两阶段训练方法,系统在精度、可解释性和泛化能力上均取得了显著进步。