至顶网软件频道消息:微软本周发布了其承诺的首个LinkedIn集成,这是该公司在宣布Microsoft Relationship Sales全面上市的时候承诺的。(Relationship Sales是LinkedIn Sales Navigator加上Dynamics 365 for Sales。)
那么接下来的交付路径图是什么?

在2016年12月,当微软收购LinkedIn最终获得监管部门的批准后,该公司的首席执行官萨提亚.纳德拉列出了两家公司产品线整合的最重要的一些任务。Sales Navigator和Dynamics 365的整合就在此列表中,列表中还包含其他一些Office 365、培训、Windows和其他计划好的集成。到目前为止,我相信Relationship Sales的交付是该列表中完成的唯一项目。
然而,在本周的Inspire全球合作伙伴大会上,微软高管们展示了几款即将推出的LinkedIn-Dynamics 365产品。
该公司的官员们表示,Dynamics 365 for Talent——微软的人力资本管理(HCM)产品——将在七月下旬全面上市,包含了同LinkedIn Recruiter的集成。 Dyanmics 365 for Talent允许创建可跨越Office 365、Dynamics 365和LinkedIn数据的综合人力资源档案。
微软还致力于增强监控用户公司所拥有的LinkedIn组织页面的能力,并了解这些页面上发布的信息和评论。根据微软发布的Dynamics 365路径图,该功能正在“开发之中”。它将被添加到Dynamics 365 for Sales、Dynamics 365 for Customer Service(CRM)、Dynamics 365 for Field Service和Dynamics 365 for Project Service Automation之中。
除此之外,微软还正在为 LinkedIn Lead Gen Forms制作Dynamics 365 Connector,允许用户自动将在LinkedIn上捕获的潜在客户与Dynamics 365在线同步。Dynamics 365 for Marketing和Dynamics 365 for Sales中的这个功能现在是私人预览阶段——这是微软针对中小型企业用户的Dynamics 365 Business Suite的两个缺失的部分。Dynamics 365 Business Marketing和Sales应用程序在上周进入私人预览。
如同之前承诺的那样,自7月1日起,微软开始向企业用户提供在他们自己的数据中心内部运行Dynamics 365 for Finance和Operations的能力。
在其他来自Inspire关于Dynamics的新闻中,微软通过一个名为ISV Cloud Embed的新程序,使软件开发人员能够更轻松地在Dynamics 365、Power BI、Power Apps和Microsoft Flow之上构建应用程序。微软还告诉合作伙伴,其各种ERP套件的内部部署版本将继续更新。
按照MSDynamicsWorld.com的表述,Dynamics GP 2018将于2017年12月1日发布。根据高官们的说法,它获得了更新的工作流引擎以及Power BI Content Pack和Flow模板。
MSDynamicsWorld表示,Dynamics NAV的下一个版本代号为“Tenerife”(似乎将在本日历年中到来)将增加内置的基于Azure的认知服务,例如识别图像的能力,以及集成Office 365 Bookings应用程序的选项。Dynamics SL在2018年还将继续获得新的更新,包括Power BI Content Pack和Flow模板选项。
还有,微软本周上线了新的Dynamics 365文档站点。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。