从本周五开始,Copilot 将开始记住对话并将其储存为“记忆”,以根据你的喜好、厌恶以及你生活中的细节(从你狗的名字到你早餐喜欢吃什么)来优化其回应。它还会记住你的沟通风格 — “无论你喜欢正式的‘早安’还是随意的‘怎么样?’” Suleyman说道。
用户可以随时查看并删除这些储存的“记忆”,以确保隐私。
公司正开始尝试为 Copilot 赋予面孔,提供个性化的动画外观。Suleyman 表示,这一功能目前还处于非常初期的阶段。
他还表示,微软为 Copilot 设定的目标是“使其成为完成任何任务最简单的方式”,并增强“其代表你实际完成事务的能力”。Copilot 现已转变为一个完整的个人助理,能够在特定网站上代表用户采取行动,如预订活动门票、预约餐厅等。
宣布的这些功能虽然对于 Copilot 来说是新鲜事,但在业界并不算特别新颖。Amazon (AMZN) 最近宣布的 Alexa Plus 可以记住有关你的信息并代表你执行任务(例如发送邀请);与此同时,OpenAI 通过 ChatGPT 提供个性化功能,并利用 Operator 实现基于网络的任务执行。
微软的此次活动正值近期传闻之际,有消息称公司正在研发内部人工智能模型 — 包括类似于 OpenAI 的 o1 那样的推理模型,该模型今年早些时候已被整合到其 Copilot 产品中 — 旨在逐步摆脱对长期人工智能合作伙伴 OpenAI 的依赖。
彭博社和 The Information 上个月均报道,微软所称的 MAI 系列多个人工智能模型在公认的基准测试中产生的结果与 OpenAI 和 Anthropic 的竞争产品不分上下。这些模型还被测试是否能支持目前使用 OpenAI 模型执行的 Copilot 任务。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。