盡管微軟發(fā)布Windows 8已兩年之久,但其可用的Metro風格自定義LOB應用程序仍相對較少。
其原因之一是微軟對Windows Store/Metro風格應用程序的側面載入要求過多。而有了側面載入功能,公司不需通過Windows Store即可向其用戶部署Metro風格的自定義商業(yè)應用程序。
然而,側面載入需要花費的成本及其許可條款令許多企業(yè)打消了為Windows 8構建“現(xiàn)代化”LOB應用的念頭。不過,在微軟今年召開的Build 2014大會上,該公司高管打破了其中的部分局限性。
Magenic技術公司首席技術官霍特卡(Rockford Lhotka)以及其他一小部分人一直直言不諱地批評微軟Windows 8應用的側面載入政策。其中甚至有一些微軟內(nèi)部成員已厭倦了該公司在側面載入方面缺乏進展的現(xiàn)狀,并試圖通過自己的項目繞開這個限制。
針對其中一些抱怨,微軟似乎已開始著手改善。在其Build 2014大會上,微軟官方宣布他們已下調(diào)開發(fā)人員需要為側面載入功能解鎖設備支付的費用。
從今年5月開始,對任何具有批量授權協(xié)議的與Windows Pro電腦或平板電腦領域相關的公司,微軟將向其授予企業(yè)側面載入權。被許可方可以以約100美元的價格獲得不限量Windows 8.1設備的LOB應用程序的側面載入權。而在這之前,開發(fā)者需要支付30美元才能獲得一臺設備的解鎖鑰匙。
上周,微軟還面向Windows 8.1用戶推出了一些新工具,旨在幫助開發(fā)人員創(chuàng)建和部署運行在Windows 8.1更新中的觸控商業(yè)應用。這些工具包括:
•Windows運行時組件代理:允許側面載入的Windows Store應用在應用容器之外運行時訪問Windows運行時組件。
•網(wǎng)絡環(huán)回:通過該工具,側面載入的Windows Store應用便可與桌面進程和應用通信。開發(fā)人員可以通過使用依賴于Win32或基礎類庫組件的現(xiàn)有代碼構建觸摸友好型應用,否則無法使用側面載入的Windows Store應用程序。
•Windows通知服務:側面載入的Windows Store應用可通過該工具接收推送通知。
霍特卡認為,雖然微軟的這種改變挺好,但就幫助開發(fā)者將應用實際安裝到他們的設備這一方面而言,仍遠遠不足。他在上周發(fā)表的一片博文中指出,在使用Windows Intune時,用戶每月仍不得不為每臺設備支付6美元到11美元不等的費用。
霍特卡表示:“我認為微軟已經(jīng)通過改變獲得側面載入權的費用及其可用性,朝著正確的方向邁出了實質(zhì)性的一步。伴隨著像(Magenic的開放源碼)OrgPortal和CompanyStore這類項目的日益成熟,我想我們已經(jīng)明白,WinRT(Windows8運行時編程接口)是商業(yè)應用開發(fā)值得考慮的事情。”
然而,盡管微軟已做出了這樣的改變,仍有一些用戶認為側面載入不可行。
一位名為“SleepDaddySoft”的網(wǎng)友在評論微軟博文時指出,向側面載入許可收費的規(guī)定使得WinRT/Windows 8的Metro風格應用成功無望。
他表示,“除非不再向側面載入許可收費,否則對LOB應用程序而言,WinRT平臺永遠不可行。有誰會費力構建一套只能部署到擁有企業(yè)許可證用戶設備的WinRT LOB應用程序?在不經(jīng)許可就能夠輕松地免費創(chuàng)建一個Web應用、桌面窗口應用、Android應用或Mac OS X桌面應用的情況下,有誰會購買你的許可做這些呢?”
SleepDaddySoft說道:“其實很簡單。別再這樣做了,取消對每個人、每臺設備每一Windows版本的許可要求。然后看著各種類型的開發(fā)人員在Windows平臺上DIY Kinect/Rift/WearableComputing/NextBigThing,極客們將做出許多令人驚奇的事情,之后Windows Store及其平臺將受益于這種網(wǎng)絡效應的積極發(fā)展。”
此外,微軟還宣布稱領有Windows或Windows Embedded軟件保證(Software Assurance)的批量受權(volume licensees)用戶將有權獲得Windows Enterprise和Windows Embedded Industry SKU。微軟高管表示,引入新的Windows Embedded Industry并不意味著微軟將中斷或替換其現(xiàn)有的Windows Embedded版本。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。