對北美的Office 365用戶而言,這一周他們過得并不愉快。
6月23日,眾多用戶的Lync Online通信服務(wù)宕機數(shù)小時。6月24日,Office 365平臺連接Exchange Online(在線交流)故障導(dǎo)致部分用戶無法登錄或在這一天內(nèi)長時間無法及時收到他們的郵件。
6月26日,微軟Office 365工程部門副總裁拉杰什·杰哈(Rajesh Jha)在一篇博文中向眾多用戶道歉,并解釋了Office 365北美分公司數(shù)據(jù)中心產(chǎn)生故障的原因。
杰哈表示,相繼發(fā)生的Lync Online通信服務(wù)和Exchange Online在線交流服務(wù)故障之間“并不相關(guān)”。
Lync Online通信服務(wù)故障致使很多用戶無法登錄微軟的Lync Online統(tǒng)一通信服務(wù),微軟將其歸因于外部網(wǎng)絡(luò)連接失敗故障。
杰哈解釋道:“盡管鏈接故障在幾分鐘內(nèi)便得以修復(fù),但隨之而來的流量高峰導(dǎo)致若干網(wǎng)絡(luò)元素過載,繼而延長了我們一些客戶無法訪問Lync功能的持續(xù)時間。”
杰哈還承認(rèn),Exchange Online在線交流服務(wù)故障導(dǎo)致“一些用戶的外部綁定郵箱電子郵件(該公司收到和發(fā)出的郵件)延遲。”此外,一小部分用戶根本不能訪問其Exchange電子郵件服務(wù)。然而,微軟Service Health Dashboard并未向所有用戶通知該服務(wù)故障,反而顯示一切運行正常。
杰哈說道:“至于Exchange Online在線交流服務(wù)故障,主要是由一處文件目錄功能間歇性失效引發(fā)的,其間歇性失效導(dǎo)致一處目錄分區(qū)不再響應(yīng)用戶身份驗證請求。”
盡管杰哈堅稱僅“一小部分用戶”無法訪問其電子郵件,但他們無法訪問服務(wù)的時間卻是“持久的”。然而,杰哈指出:“本次故障的本質(zhì)在廣泛的郵件發(fā)送系統(tǒng)中引起了意想不到的問題,由于未知的代碼漏洞導(dǎo)致許多用戶的郵件流延遲。”
微軟團隊最終將郵件發(fā)送系統(tǒng)與其失效的目錄分區(qū)分離開來,繼而解決導(dǎo)致其目錄分區(qū)失敗的根本問題。杰哈表示,微軟正“致力于對這種模式的進一步強化”。
杰哈表示,微軟還計劃在用戶Service Health Dashboard中發(fā)布一個“事后報告”(PIR),其間將包含本次故障的詳細(xì)分析,和微軟對此做出的回應(yīng),以及公司將來會采取哪些措施來防止類似問題的發(fā)生等。
目前為止還未有消息表明微軟正計劃做什么,如果有,那或許會與對本周受到影響的用戶進行經(jīng)濟賠償相關(guān)。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。