微软为Windows系统新增了一个专门针对公共显示器的"数字标牌模式",当系统出现蓝屏死机(BSOD)时,15秒后屏幕会自动变黑。
这一新功能专为非交互式公共显示设备设计。当管理员启用数字标牌模式后,Windows系统在出现蓝屏死机时只会显示15秒,随后屏幕自动熄灭。管理员需要通过键盘或鼠标操作才能重新激活显示器。
不仅仅是蓝屏死机界面,任何Windows系统屏幕或错误对话框都会受到这一模式的影响。当公共显示设备出现弹出错误对话框时,同样会在15秒后自动关闭显示。值得注意的是,这项功能在Kiosk模式下无效,仅适用于数字标牌场景。
提升Windows恢复能力的新功能
微软在Ignite大会上还公布了其他几项Windows恢复性和可管理性改进。其中最重要的是时间点恢复功能,允许用户将PC恢复到之前运行良好时的配置状态。
Windows侦探Phantomofearth提前体验了时间点恢复的设置页面,并分享了这一"预览版前"功能的截图。该功能允许用户设置快照拍摄频率和保留时长。快照频率可以设置为每4、6、12、16或24小时一次,保留期限可选择6、12、16、24或72小时。
示例设置显示,系统可以每24小时捕获一次恢复点并保留72小时,这意味着用户在任何时候都有三个快照可供使用,最多能回退三天。如果设置为4小时频率,最多可同时存储18个快照。
用户可以通过Windows恢复环境(WinRE)访问时间点恢复功能,该环境可通过高级启动、恢复媒体启动或在登录界面按住Shift键选择重启来进入。进入WinRE后,选择"疑难解答"即可找到时间点恢复选项。
用户可以从按日期和时间组织的众多快照中选择合适的恢复镜像。需要注意的是,执行恢复操作时,Windows会警告用户将丢失恢复点之后保存到本地驱动器的所有内容,包括数据文件、已安装应用程序或设置更改。
更强的恢复和安全保护
微软还预览了Windows 11的云重建功能,IT管理员可以通过Intune门户下载、安装和配置需要从头重新制作镜像的PC。用户在开箱体验期间接管操作,但Windows会自动配置适当的移动设备管理设置,文件和配置也会从云端恢复。
为应对可能导致PC崩溃的未来威胁,微软宣布Windows将支持后量子密码学(PQC)算法,这些算法能够抵御量子计算机的攻击。虽然这还不是现实问题,但微软希望提前做好准备,已在Windows加密API中提供PQC支持,方便组织开始向量子安全加密迁移。
Windows的BitLocker加密功能在性能和强度方面都将得到提升。微软宣布"下一代"Windows PC将配备硬件加速的BitLocker,在新设备配置时提供更好的保护和更快的加密速度。
新的Copilot功能特性
Windows 11 PC将获得几项新功能(目前为预览版),帮助最终用户提高生产力。写作辅助功能将Copilot的组合能力带到屏幕上的任何文本框,无论是什么应用程序还是网站。在配备NPU且算力达到40+ TOPS的Copilot+品牌PC上,这一功能还能离线工作。
对于Outlook用户,预览版将生成电子邮件的AI摘要,这是Gmail长期以来提供的功能。Word的测试版现在会自动为文档中添加的任何图像创建替代文本,这对无障碍访问是一大福音。
流畅听写是微软在语音转文本方面的下一代尝试。这一预览功能不仅能转录用户对着麦克风说的话,还能充当编辑器的角色,纠正语法、优化文体风格,并去除任何"嗯"或填充词汇。
Q&A
Q1:数字标牌模式是什么功能?
A:数字标牌模式是微软为Windows系统新增的功能,专为非交互式公共显示设备设计。当系统出现蓝屏死机或错误对话框时,屏幕会在15秒后自动熄灭,避免在公共场所长时间显示错误信息。管理员需要通过键盘或鼠标操作才能重新激活显示器。
Q2:时间点恢复功能如何工作?
A:时间点恢复功能允许用户将PC恢复到之前运行良好时的配置状态。用户可以设置快照拍摄频率(每4-24小时)和保留时长(6-72小时),系统会定期创建恢复点。通过Windows恢复环境可以选择合适的时间点进行系统恢复,但会丢失恢复点之后的本地数据和设置。
Q3:Windows 11新增的Copilot功能有哪些?
A:Windows 11新增了多项Copilot功能,包括写作辅助(可在任何文本框提供写作帮助)、Outlook邮件AI摘要、Word自动生成图像替代文字,以及流畅听写功能(不仅转录语音还能纠正语法、优化文体并去除填充词)。在Copilot+品牌PC上,写作辅助功能还支持离线工作。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。