
萨蒂亚·纳德拉(Satya Nadella)加冕微软最高领导人之后,忙得没有时间回到自己的祖国旅游,但这并不影响他通过网络电视向在印度召开的首次微软Azure云会议发表讲话,大量开发者、技术决策者及IT专家应邀参加该会议。
萨蒂亚说:“在印度长大的我,以前做梦都没想到自己将来有机会以微软CEO的身份与大家交谈,当时我对板球的关注度要高于技术。”
今天,萨蒂亚关注重点将不再是板球,而是如何让Azure成为印度第一大云平台,Azure是萨蒂亚最近三年负责的Cloud and Enterprise集团的一部分。
迄今为止,Azure进展不错。据微软称,Azure在印度的增长主要得益于客户端优先的云业务,覆盖了包括大私有银行、汽车厂商和卫生保健组织在内的大量领域。
微软印度区总经理Karan Bajwa曾表示:“对Azure而言,印度是增长最快的市场之一。”两年前,Azure还是一个趋势,但现在成为了新标准,每月新增约2000名客户。
微软下一个目标是大量(120万家)中小企业,这些中小企业在运营时缺乏企业技术,微软将之发展为自己客户的时机已经成熟。但是,尽管目标令人垂涎,但这些客户的成本意识特别强烈,会抵制改变现状。
因此,为解决这一矛盾,微软在几天前针对印度中小企业公布了一个折中方案:允许中小企业使用原来的硬件。
借助其1万家实力强大的合作伙伴网络,微软可接触到印度250个城市的中小企业,为自己赢得交易打下坚实的基础。当然,亚马逊在印度市场的发展势头也不可小觑。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。