今天上午10点半至11点半,我主持了微软国际业务总裁古德华先生实时在线访谈,在1小时的实时在线访中,累积在线访谈人次为15.2201万人次,回答了来自全国29个地区网友的51个问答,我将这些问题的答案编辑分为10个回合,加上我在现场对问题答案理解总结如下:
关于为什么来深圳
1、在过去10年里我去了北京十几次,这次想和中小型合作企业谈合作;
2、我来深圳有两个原因一是寻找创新小硬件公司、原因二是有企业客户、OEM,无论大小我们都想通吃;
为什么和英特尔同时对深圳感兴趣
3、我们和英特尔有合作好多年的历史,面临业务同样扩展、转型,因为客户要求我们酷炫的Windows 8设备投放市场;
4、 因为深圳地区有良好的生态环境和快速的配套能力;
关于微软什么为先
5、微软的移动、云计算服务、软件三架马车同时为先;
关于9英寸以下设备OS免授权费资本市场态度
6、 微软40年里一直在以软件产品为主,现在我们的软件需要支持各种设备和服务,资本市场认为我们以云为先、移动为先的战略是积极的态度;
关于车联网和穿戴智能设备
7、 我们希望引领汽车智能和可穿智能设备的潮流,包括人与物体、设备的对话,观致汽车是在中国有影响的汽车公司,他使用了我们的智能驾驶系统;
8、采用了云计算可以了解天气、车况、路况供给驾驶者参考;
9、 我们对可穿戴设备和一些医疗设备公司有讨论,是否可将传感器植入对病人的护理;
关于XBOX与手游的关系
10、XBOX上所有的游戏可以用于手机等4屏操作;
11、当然也可以通过微软的云端免费下载;
关于Windows Phone
10、诺基亚手机也支持Android,但Windows Phone可以享受到微软的云服务,
11、当然Windows Phone可以把其游戏应用用于不同的设备;
12、收购诺基亚是因为我们的移动为先;
13、我们希望移动为先在全球建立移动生态;
14、在中国和移动终端厂商合作希望产品出口全球销售;
关于Office 365在中国
15、目前Office 365在中国已有3600个企业用户,它在中国的发展速度超过了我们的预计;
16、与其说是用户们对Office 365感兴趣不如说是Office 365更适合他们企业的应用,
17、因为一个月只要花费租用费几百美元,就能满足小企业的需求;
18、在全球Office 365用户有欧洲、非洲拉美,特别是西班牙电信,25万名员工都在使用Office 365参与企业的管理;
关于Bing的竞争
19、关于我们Bing的竞争优势在于电视、电脑、平板、手机的4屏跨屏通用;
20、Bing一定要补充百度搜索的不足才能成功
关于Windows XP退役相关
21、Windows XP己有13年历史,他出生于2001年,他多年来由于不断地防范黑客、病毒打了很多补丁,已经变得非常的庞大;
22、我们还会帮助企业客户Windows XP的应用,但对普通消费者不再支持;
23、他出生时没有博客、没有搜索、没有视频、没有社交网络……这么多的应用好像是七层楼都叠加在一个一层楼的地基上,非常不安全。
微软大中华区董事长兼CEO贺乐赋先生也全程在场,帮助解答中国市场相关问题。
在访谈的最后古德华答应帮我们邀请微软全球CEO萨提亚·纳德拉来CBSi作客直播大联播。
我与古德华在访谈中
访谈中的开心时刻
访谈结束后我与古德华、贺乐赋的合影
好文章,需要你的鼓励
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。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。