在最近的可持续发展人工智能(AI for Sustainability)活动中,微软在其可持续发展云(Cloud for Sustainability)中引入了新的数据和人工智能解决方案。这些新产品将帮助企业从可持续发展承诺过渡到切实的可持续发展行动。
新的数据和人工智能解决方案
微软可持续发展云(Microsoft Cloud for Sustainability)是微软的云解决方案,帮助企业实现环境责任和可持续性。这是一个综合平台,弥合了可持续发展承诺和实际行动之间的差距。
微软正在扩展该解决方案的功能,以帮助企业加速其可持续发展工作。包括提供一系列新的数据和人工智能解决方案,微软希望这些解决方案能够帮助企业改变实现和管理可持续发展目标的方式。
微软可持续发展云的新数据和AI更新包括:
微软可持续云平台中的这些新功能应该可以减轻企业负担,帮助他们实现在可持续发展之旅上取得切实进展的希望。它们在决策和报告方面提供了更高的效率和准确性,并支持以可持续发展为重点的新业务模式和增长机会。
分析师观点
微软的方法结合了数据集成和高级AI功能,解决了许多企业可持续发展计划中的一个关键问题:缺乏将大量环境数据转化为可操作的见解和连贯战略的能力。这使企业能够从简单的可持续发展承诺过渡到切实可行的行动。
Microsoft Fabric是一个全面的分析SaaS平台,为微软的新功能奠定了基础。它允许企业统一不同的数据流,包括以前无法访问的ESG数据。这种统一对于企业至关重要,这样他们才能将可持续性纳入其核心战略而不是将其作为次要问题。通过在统一平台中提供AI驱动的分析和见解,微软为企业提供了工具,帮助他们做出明智决策,并将可持续性深度嵌入其运营结构中。
在Microsoft Sustainability Manager中集成Copilot等AI功能让它更上一层楼。它承诺让企业能够更直观有效地与可持续发展数据进行交互,以此加快决策流程。此功能简化了可持续发展报告和合规工作,减轻了运营负担,并为战略计划腾出了资源。
微软对ESG价值链解决方案的关注具有战略意义。由于认识到企业对环境的很大一部分影响在于其供应链,微软可持续发展云提供了一种超越公司直接运营范围的整体性方法。
在帮助企业应对可持续发展复杂性方面,微软并非独行。Salesforce在这个领域有Net Zero Cloud,而SAP则广泛提供了各种可持续发展管理工具。IBM的Environmental Intelligence Suite是另一个强大的解决方案,深度集成了环境绩效元素。任何寻找解决方案的企业都有不少令人信服的选择。
微软对可持续发展云平台的更新是一项经过深思熟虑的战略,该战略将微软定位成重要参与者,帮助企业驾驭复杂的可持续发展环境。通过提供强大的、数据驱动的、人工智能增强的工具集,微软不仅仅是在销售产品;而是在为企业提供了一条切实可行的途径,实现他们的可持续发展目标。
微软可持续发展云的更新解决方案将引起全球企业的良好回应,尤其对于那些努力应对环境合规压力并力求满足具备可持续发展意识的市场日益增长的期望的企业来说更是如此——这几乎是每一家企业的处境。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。