全球领先的分析平台 Tableau Software 今天宣布 Tableau 2020.4 全面发布。该版本让 Tableau Server 和 Tableau Online 用户可以通过浏览器使用全套 Tableau Prep 功能,从而简化整个企业的数据准备和分析工作。这项新增功能降低了整个组织的部署成本,同时还让分析师无需离开 Web 浏览器即可构建和编辑自己的数据流,从而简化了数据准备流程。Tableau 2020.4 中引入的其他功能包括为地图添加不限数量的空间图层、可以在 Linux 上使用的 Resource Monitoring Tool (RMT) 以及更多的原生数据连接器。
在浏览器中使用 Tableau Prep
Tableau 首席产品官 Francois Ajenstat 表示:“Tableau Prep 可以承担繁琐的数据准备工作,使数据变得简单直观、一目了然,让所有人都能够使用数据。现在,任何人都可以随时随地直接在浏览器中访问、构建和编辑数据流,组织内的所有人都能够使用全面的数据准备功能。”
随时随地进行数据准备
Tableau Prep Builder 旨在让客户能够在分析数据之前,通过 Tableau 用户熟悉的简单拖放操作,轻松地对数据进行组合、整理和清理。得益于 2020.4 中的新增功能,这些操作现在可以完全在 Web 浏览器中完成,从而为组织提供更加简洁的体验,同时让 IT 管理员能够集中进行管理部署和版本控制,无需手动更新每一台计算机。现在,分析人员即使不使用Desktop,也可以实现连接到数据源、清理和准备数据、构建用于分析数据的仪表板,甚至共享数据等操作。
在浏览器中进行数据准备
The Information Lab 的 Carl Allchin 说:“借助浏览器中的 Tableau Prep,对数据最了解的人员可以在任何浏览器中执行数据准备流程。因此,相关团队将能够在必要时准备自己的数据,充分实现数据的潜在价值。”
Linux 上的 Resource Monitoring Tool
对于需要在 IT 环境中部署 Linux, 但不想为了托管 Tableau 部署而维护 Windows 实例的客户来说,Linux 上的 Tableau Server 是非常理想的解决方案。2020.4 版新增了 Linux 上的 Resource Monitoring Tool,让安装了 Server Management Add-on 的客户能够主动监测部署的运行状况并进行故障排除,同时深入了解硬件和软件性能。Linux 上的 RMT 可以帮助客户发现导致加载速度变慢的问题、数据提取故障以及可能影响最终用户体验的其他重大问题。这项功能此前只能在 Windows 部署上使用。
Tableau 2020.4 中新增的其他功能包括:
为地图添加不限数量的标记图层
全新连接器和连接器升级,包括对 Salesforce 连接器 API 的更新,这项更新让用户能够直接连接到最新的 Salesforce 对象,包括 Work.com。其他新连接器包括 Datorama 和全新的 COVID-19 Web 数据连接器,用户可以通过该连接器轻松访问最新的 COVID 测试数据。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。