ZD至顶网CIO与应用频道 10月10日 北京消息:全球创变者发现数据是他们努力创造更美好世界的强大支撑。Tableau Software 通过 Tableau 基金会,免费为 192 个国家的小型非营利组织、非政府组织和基于社区的慈善机构提供许可证,帮助他们使用功能强大可视化分析软件,加速推动世界变化。Tableau Software 还创建了 Tableau Service Corps,一个由Tableau 员工组成,旨在帮助非营利组织查看和理解其数据的志愿者网络。
“我们成立 Tableau 基金会的使命就是鼓励使用事实和分析推理来解决世界面临的问题,”Tableau 企业社会责任主管 Neal Myrick表示,“通过清除准入障碍,小型非营利组织可以更好地管理项目、讲述富有影响力的故事或利用数据提高筹集善款的有效性。”
数据对于这些组织机构而言具有巨大价值,可帮助他们提高透明度和可信度,增进组织与捐款人的关系,发现开展项目中的新趋势,并能讲述社区中更有影响力的故事。
Tableau Desktop 是一款拖放软件,可帮助人们使用数据实时分析和回答各种问题。借助免费的 Tableau Reader,Tableau Desktop 用户之间可以共享分析结果,并可以通过使用 Tableau Public 实现在线发布。Tableau Service Corps 是一个由 Tableau 员工组成,旨在帮助非营利组织看见和理解数据的志愿者网络。无论自身规模如何,非营利组织均可向 Tableau Service Corps 网站上列出的众多志愿者提出数据相关的帮助请求,并获得专人提供的帮助。虽然各自独立,但我们同时推出这两项计划的目的就是确保任何非营利组织在使用 Tableau 软件的同时,还能够获得专家的帮助,实现对软件的充分利用。
据《全球杂志》(Global Journal)估计显示,全球共有约 1000 万个非营利组织和非政府组织;2013 年约翰霍普金斯大学研究表明,7.4% 的全球劳动力从事与非营利组织有关的工作,但只有极少数组织机构能够充分利用在工作中产生和与工作相关的大量数据。
本公告也履行了 Tableau 在 2015 年 10 月对“可持续发展数据全球合作伙伴”做出的承诺。在启动现场,Tableau 承诺向所有非禁运国家的小型组织机构提供其商业智能软件,促进地区包容性和以数据驱动的发展,实现“联合国可持续发展目标”。
为符合软件捐赠资格,各组织机构必须为其所在国的经认证慈善机构,且年度活动经费预算低于 500 万美元。任何规模的组织机构均可通过 Tableau Service Corps 申请获取志愿者服务。
如需了解有关 Tableau 非营利组织计划的更多信息及获取免费 Tableau 软件,请访问 http://www.tableaufoundation.org/free。如需联络 Tableau Service Corps 志愿者并预约拜访,请访问 https://servicecorps.tableaufoundation.org/browse。
上述计划通过 TechSoup 进行管理。TechSoup 是一家为非营利组织和图书馆提供免费资源的非营利机构,为方便产品的捐赠会收取一定管理费。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。