近日 ,微软表示将推出Bing Chat Enterprise,将Bing聊天功能扩展到工作场景。
这个新工具利用和ChatGPT相同的生成式AI技术,为企业员工带来更具对话性的搜索体验。微软在Ignite年度合作伙伴大会上发布了Bing Chat Enterprise,它是主流的AI聊天工具的企业级版本,现已提供预览版,其中包含一些特殊功能,以确保敏感的业务数据始终受到保护。
事实证明,Bing Chat自推出以来就非常受欢迎。它由OpenAI的GPT-4大语言模型提供支持,能够理解多语言用户的自然语言输入,可以以对话方式响应几乎任何类型的查询。
与Google Search等产品相比,这种独特的功能提供了高度差异化的搜索体验。用户无需输入标准的、基于文本的搜索,只需以更加对话的方式与聊天机器人谈论他们要寻找的内容。
微软消费者首席营销官Yusuf Mehdi和现代工作和商业应用副总裁Jared Spataro在一篇博文中表示,企业渴望在工作中使用更多AI工具,但同时警惕敏感信息面临风险。
他们写道:“使用并非为企业开发的AI工具,会无意中使敏感的业务数据面临风险。随着组织采用AI,他们希望确保自己的数据是受到保护的。”
Bing Chat Enterprise提供了额外的商业数据保护工具,以确保所有用户和业务数据始终受到保护和安全,并且永远不会泄露到组织外部。微软表示,所有聊天数据都不会被保存,微软也无法访问个人聊天内容,这意味着没有人可以查看与其共享的任何数据。
微软表示,Bing Chat Enterprise有数十种潜在用例,可以帮助员工研究行业洞察和趋势、分析数据或寻找灵感。与Bing Chat常规版本一样,企业版是以网络数据为基础的,并为其生成的每个响应提供引用,还可以为用户创建视觉答案,包括图表、图形和图像。
微软表示,最重要的是,从今天开始向所有Microsoft 365 E3、E5、商业标准版和商业高级版用户免费推出Bing Chat Enterprise,并表示,未来还将把Bing Chat Enterprise作为一项独立服务提供给用户,每位用户每月5美金。
Microsoft 365 Copilot定价公布
微软在今年3月份宣布即将推出Microsoft 365 Copilot服务,为企业提供更多类似聊天的体验。Copilot可以在Outlook.com、OneDrive和Microsoft Teams等所有Microsoft 365应用中使用,为各种体型和规模的员工带来生成式AI的力量。据微软称,它实现了一种全新的人工智能辅助工作方式,用户可以在需要了解某事时随时提出问题。
Microsoft 365 Copilot目前仍处于预览阶段,但今天微软发布了更新,称在广泛提供该工具之后,每个用户每月的费用为30美金。对于所有用户来说,无论他们订阅的是Microsoft 365 E3、E5、商业标准版还是商业高级版,价格都是相同的。
Microsoft 365 Copilot工具将在微软最广泛使用的商业应用中集成与Bing Chat类似的体验,当然安全性是最重要的一个考虑因素。Mehdi和Spataro重申,Copilot继承了用户现有的安全、隐私、身份和合规性策略,并确保所有数据都在Microsoft 365租户内逻辑隔离和受到保护,因此数据将始终处于他们的严格控制之下。
微软表示,Copilot已经通过其抢先体验计划被全球600多家企业客户所采用。
Constellation Research分析师Holger Mueller表示,这种强大的AI助手的普及,将对知识工作者非常有利,并对未来的工作产生巨大的积极影响。
他说:“我们现在知道Microsoft 365 Copilot的定价了,每个用户每月30美金。考虑到它所带来的生产力上的提升,每月可能节省2-3小时的时间,这是一个非常合理的价格。但这也向我们展示了微软在生成AI方面的投资是有多么的昂贵,以及它对未来收入增长的重要性。下一个问题是,Copilot何时会提供除英语之外的更多语言版本?”
Bing Chat获得视觉搜索功能
在最后一项以AI为重点的更新中,微软表示,随着视觉搜索功能的推出,Bing Chat的消费级版本将获得更多视觉功能,这意味着用户现在可以上传图像并让Bing Chat在整个互联网上搜索相关内容,或者用户可以提示Bing Chat告诉他们有关图像的信息。
Mehdi和Spataro写道:“Bing可以理解图像的背景、解释它并回答有关它的问题,无论你是去一个新城市度假并询问特定建筑的建筑风格,还是在家里尝试根据冰箱中的东西想出午餐创意,都可以将图像上传到Bing Chat,并通过它利用网络知识可以为你提供答案。”
Bing中的视觉搜索现在已经针对桌面和移动用户推出,并将于稍后推出Bing Chat Enterprise。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。