越来越多证据表明,微软希望客户全面投入Azure怀抱。
微软公司正加速推进构建企业Azure云体系的野心。日前有新闻指出,微软方面的SotrSimple阵列将能够直接将数据存储于Azure Blobs当中。
StorSimple当初作为一套通用型iSCSI统一化存储阵列推出,且能够存储虚拟机、数据库、文件并能够将数据传输至云端。在另一方面,微软公司则希望将云环境打造成一类存储层,通过将“冷门”数据发送至云端以节约本地存储资源,或者将其作为备份目标使用。
2012年年末,微软方面决定进一步拓展这类应用方式,包括收购StorSimple公司,并在一年之内将StorSimple交付至希望配合大量Azure存储资源使用的客户。
今天,微软公司公布了一项新的“StorSimple数据转换”服务,能够将您存储在任意位置阵列内的数据上传并转换为Azure的专用数据存储格式。通过这种方式,Azure服务将能够快速对此类数据进行操作。
微软方面表示,目前已经有一家呼叫中心客户选择这项服务,其将能够借此把呼叫记录上传至Azure Media服务内,并对求助者情绪等信息进行分析。
微软公司认为,这样的安排能够进一步提升StorSimple这一混合型阵列的适应范围。不过通过这一举措,也可以看出微软方面已经开始将Azure消费作为销售工作中的核心事务。
这同时亦标志着微软即将推出的内部迷你型Azure方案Azure Stack将拥有类似的定位。微软公司一直在着力强调Azure Stack的优势,包括这套混合云方案能够无视内部设施中的具体硬件配置或者Azure的驻留位置。毫无疑问,如果能有更多客户在计算与存储之外使用Azure中的更多服务,显然对微软更为有利。
这项数据转换服务目前尚处于内部预览阶段,我们将在其全面开放后向大家及时发布后续消息。
好文章,需要你的鼓励
首尔国立大学研究团队提出了"多模态对抗组合性"(MAC)基准测试,评估预训练多模态表示(如CLIP)在理解文本与图像、视频、音频关系时的组合性弱点。研究使用大语言模型生成欺骗性文本,通过样本成功率和多样性双重指标进行评估。团队创新性地提出了多样性促进自训练方法,即使使用较小的Llama-3.1-8B模型,也能显著提高攻击成功率和多样性。实验在COCO、MSRVTT和AudioCaps数据集上验证,该方法优于现有技术,并展示了良好的跨模型迁移性,为构建更可靠的多模态系统提供了重要见解。
SridBench是首个评估人工智能模型科研插图绘制能力的基准测试,由中国科学技术大学等机构研究团队创建。该测试包含1,120个来自自然科学和计算机科学13个学科的高质量样本,并设计了六维评估标准。实验结果显示,即使是目前表现最佳的GPT-4o-image模型也仅达到基本合格水平,文本信息缺失、视觉元素不完整和科学错误是主要瓶颈。这项研究揭示了AI科研绘图能力的现状,为未来技术发展提供了方向。
ChartLens是马里兰大学与Adobe研究院合作开发的创新技术,专门解决多模态大型语言模型在图表理解中的"幻觉"问题。这项研究提出了"后验细粒度视觉归因"方法,能够将AI对图表的分析结果与图表中的具体视觉元素(如特定柱形或数据点)精确关联起来,使AI的回答变得可验证。研究团队还创建了ChartVA-Eval基准测试集,并证明他们的方法比现有技术提高了26-66%的归因准确率,为金融分析、政策制定和科学研究等领域提供了更可靠的图表理解工具。
这篇论文介绍了一个名为"CrEval"的创新框架,用于跨领域评估文本创造力。研究团队构建了"CreataSet"数据集,包含超过10万条人类水平和100多万条合成创意文本,涵盖87个领域。基于此训练的CrEval评估器在与人类判断的一致性上显著优于现有方法,包括GPT-4o。研究发现,结合人类创建的数据和合成数据对训练有效评估器至关重要,且CrEval不仅能评估创造力,还能提升AI模型生成更有创意内容的能力,为创造力评估和提升开辟了新方向。