Microsoft 365 Copilot: Wave 2

  每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领域的领跑者。点击订阅,与未来同行! 订阅:https://rengongzhineng.io/

自从发布以来,微软的Copilot已经证明自己是ChatGPT的有力竞争者,甚至偶尔还超越了OpenAI的产品。然而,随着ChatGPT的不断升级,Copilot逐渐落后——直到现在。

在周一举行的“Microsoft 365 Copilot: Wave 2”线上发布会上,微软展示了即将为企业和个人用户推出的多项Copilot人工智能助手升级。

这次升级相当令人印象深刻,包括与Microsoft 365应用的进一步集成,以及为团队、群组或家庭提供的协作AI使用方式。此次发布的一个亮点功能是“Copilot Pages”。

Copilot Pages

当用户使用企业账户登录Copilot时,会发现一个新选项,可以在“工作”与“Web”标签之间切换。其中的“工作”标签,微软称之为BizChat,这是一种可以从Microsoft 365应用中的工作数据中提取答案的工作流程。现在,BizChat增加了一个全新的“Pages”功能。

通过Pages,用户可以将Copilot从企业数据中提取的洞见进行编辑,添加到Page页面中,并与团队分享进行协作。Page类似于普通的可编辑文档,支持分享和共同编辑链接。这个功能突显了多用户协作AI的趋势,类似于You.com的协作AI助手以及Salesforce的Agentforce套件。

从今天起,Pages将逐步向Microsoft 365 Copilot用户开放,并将在未来几周内向使用Microsoft Entra账号登录的免费用户提供。

Microsoft 365应用中的Copilot

微软Copilot的一大优势就是能够直接帮助用户使用Microsoft 365应用,这些应用已经成为许多人工作流程中的核心部分。随着Wave 2的推出,微软根据用户反馈,进一步提升了Copilot在这些应用中的功能,并改进了用户体验。

首先,Excel中的Copilot已经全面开放,支持公式、数据可视化和条件格式等功能。此外,微软宣布Excel中的Python功能进入公开预览阶段,用户现在可以通过自然语言在Excel中进行Python操作,无需编写代码即可完成高级分析,比如预测和风险评估。

与此同时,PowerPoint中的Narrative Builder也已经全面推出,该功能可以快速生成演示文稿的初稿。只需输入主题,Builder就会自动生成大纲。

Teams中的Copilot

在Teams中,Copilot现在能够总结会议内容和聊天记录。用户可以通过询问Copilot了解错过的会议内容,它会同时提供会议中的重要内容和聊天中的信息。此功能将于下月全面开放。

Outlook中的Copilot也有新功能——“优先处理我的收件箱”,该功能会分析收件箱,标记出最重要的邮件并提供摘要,并解释为何这些邮件被优先处理。未来,用户甚至可以教Copilot根据特定话题或关键词优先处理邮件。

此外,Copilot在Word中的功能也有显著提升,现在用户可以直接在文档中与Copilot实时协作,编辑各个部分。同时,OneDrive中的Copilot能够帮助用户快速找到文件,提供摘要甚至进行文件对比。

Copilot Agents

微软还推出了Copilot Agents,即可以根据用户需求执行特定任务的AI助手。这些助手可以根据需求完全自主工作,或者作为简单的“提示-回应”助手。用户可以使用Copilot Studio中的Agent Builder来创建这些AI助手,应用于BizChat或SharePoint中。

这些Copilot Agents和Agent Builder现已对用户全面开放,SharePoint中的Agent功能则将在10月初进入公开预览阶段。

Copilot使用最新的LLM模型

最后,微软确认Copilot现在已经集成了最新的GPT-4o模型,这使得Copilot的响应速度比之前快了两倍。微软还表示,将继续为Copilot引入最新的AI模型,包括最近发布的OpenAI o1,它是目前OpenAI最先进的推理模型。

这些升级表明,微软正在全力推动Copilot的进化,以在与ChatGPT的竞争中保持优势。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.xdnf.cn/news/1537023.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

Python3将Excel数据转换为文本文件

文章目录 python3安装使用Python将Excel数据转换为文本文件:逐步指南openpyxl库简介前提条件脚本解析代码详细解析实际应用场景使用示例 结论 python3安装 centos安装python3 Python3基础知识 使用Python将Excel数据转换为文本文件:逐步指南 在数据处理…

闯关leetcode——27. Remove Element

大纲 题目地址内容 解题代码地址 题目 地址 https://leetcode.com/problems/remove-element/description/ 内容 Given an integer array nums and an integer val, remove all occurrences of val in nums in-place. The order of the elements may be changed. Then retur…

Docker 消息队列RabbitMQ 安装延迟消息插件

介绍 RabbitMQ的官方推出了一个插件,原生支持延迟消息功能。该插件的原理是设计了一种支持延迟消息功能的交换机。当消息投递到交换机后可以暂存一定时间,到期后再投递到队列。 查看版本号 docker exec rabbit名字 rabbitmqctl version根据版本下载 插…

Java | Leetcode Java题解之第412题Fizz Buzz

题目&#xff1a; 题解&#xff1a; class Solution {public List<String> fizzBuzz(int n) {List<String> answer new ArrayList<String>();for (int i 1; i < n; i) {StringBuffer sb new StringBuffer();if (i % 3 0) {sb.append("Fizz"…

启动windows更新/停止windows更新,在配置更新中关闭自动更新的方法

在Windows操作系统中&#xff0c;启动或停止Windows更新&#xff0c;以及调整“配置更新”的关闭方法&#xff0c;涉及多种途径&#xff0c;这里将详细阐述几种常用的专业方法。 启动Windows更新 1.通过Windows服务管理器&#xff1a; -打开“运行”对话框&#xff08;…

《小迪安全》学习笔记04

这一块主要讲信息收集——渗透测试第一步&#xff01;&#xff01; 1.首先看有无网站&#xff1a; 存在CDN就用上次说的方法找到真实IP&#xff0c;然后转上↑ 收集四类信息&#xff1a;程序源码&#xff08;CMS&#xff09;等等 2.看有无APP&#xff0c;如涉及到WEB&#xf…

opencv学习:图像掩码处理和直方图分析及完整代码

图像掩码是一种二值图像&#xff0c;用于控制图像处理操作的应用区域。通过将掩码与原图像进行按位与操作&#xff0c;可以提取或屏蔽图像的特定部分。直方图是图像处理中的一个重要工具&#xff0c;用于分析图像的灰度分布。 实验步骤 使用OpenCV读取图像文件“phone.png”为…

JS基础之【对象详解 -- 对象的属性与方法、遍历对象与内置对象】

&#x1f680; 个人简介&#xff1a;某大型国企高级前端开发工程师&#xff0c;7年研发经验&#xff0c;信息系统项目管理师、CSDN优质创作者、阿里云专家博主&#xff0c;华为云云享专家&#xff0c;分享前端后端相关技术与工作常见问题~ &#x1f49f; 作 者&#xff1a;码…

后台数据管理系统 - 项目架构设计-Vue3+axios+Element-plus(0916)

接口文档: https://apifox.com/apidoc/shared-26c67aee-0233-4d23-aab7-08448fdf95ff/api-93850835 接口根路径&#xff1a; http://big-event-vue-api-t.itheima.net 本项目的技术栈 本项目技术栈基于 ES6、vue3、pinia、vue-router 、vite 、axios 和 element-plus http:/…

Linux 基本使用和 web 程序部署 ( 8000 字 Linux 入门 )

一&#xff1a;Linux 背景知识 1.1. Linux 是什么 Linux 是一个操作系统. 和 Windows 是 “并列” 的关系&#xff0c;经过这么多年的发展, Linux 已经成为世界第一大操作系统&#xff0c;安卓系统本质上就是 Linux. 1.2 Linux 发行版 Linux 严格意义来说只是一个 “操作系…

Parallels Desktop 20 搭载内置 AI 包正式发布

近期 Parallels 官方发布 Parallels Desktop 20 For Mac&#xff0c;这是一款流行的Mac虚拟化软件。 该版本引入了 Parallels AI 工具包&#xff0c;这将主要惠及需要新工具在 Mac 上使用人工智能的开发人员。 配合即将发布的 macOs sequoia 和 Windows 11 24H2&#xff0c;P…

Android源码集成 Google Play

1、 The Open GApps Project 下载 对应系统和平台的gms压缩包&#xff0c;压缩包文件如下&#xff1a; Core和Optional目录下为谷歌服务核心文件和应用&#xff0c;需要预置到源码中。解压Core 和 Optional 目录所有文件&#xff0c;得到如下文件夹&#xff1a; 其中 etc 和 li…

C++ | Leetcode C++题解之第412题Fizz Buzz

题目&#xff1a; 题解&#xff1a; class Solution { public:vector<string> fizzBuzz(int n) {vector<string> answer;for (int i 1; i < n; i) {string curr;if (i % 3 0) {curr  "Fizz";}if (i % 5 0) {curr "Buzz";}if (curr.si…

Django学习实战篇五(适合略有基础的新手小白学习)(从0开发项目)

前言&#xff1a; 本章中&#xff0c;我们开始引入前端框架Bootstrap 来美化界面。在前面的章节中&#xff0c;我们通过编写后端代码来处理数据。数据之于网站&#xff0c;就相当于灵魂之于人类。而网站的前端就相当于人的形体外貌。其中HTML是骨架&#xff0c;而CSS是皮肤&…

创造增强叙事的互动:Allison Crank的沉浸式体验设计理念

在沉浸式技术日新月异的今天,如何通过用户交互增强叙事,而非分散注意力,成为了设计师们共同面临的挑战。作为用户体验设计师和研究员,Allison Crank以其独特的视角和丰富的经验,为我们揭示了这一领域的核心原则与实践方法。 叙事与互动的和谐共生 Allison Crank强调,互…

STM32使用ESP-01S连接WiFi通过云平台与手机APP联动

ESP-01S测试 我们买回来ESP-01S模块之后&#xff0c;首先要对模块的好坏进行测试&#xff0c;是否能正常通过串口通信&#xff0c;是否能正常连接手机热点或WiFi&#xff0c;一般模块买回来默认出厂烧录了AT固件&#xff0c;如果我们需要使用一些特殊的协议&#xff08;如MQTT协…

【云岚到家-即刻体检】-day07-2-项目介绍及准备

【云岚到家-即刻体检】-day07-2-项目介绍及准备 1 项目介绍1&#xff09;项目简介2&#xff09;界面原型3&#xff09;实战目标 2 搭建实战环境1&#xff09;服务端2&#xff09;管理端前端工程3&#xff09;用户端前端工程4&#xff09;测试 3 熟悉项目代码1&#xff09;接口文…

《程序猿之设计模式实战 · 观察者模式》

&#x1f4e2; 大家好&#xff0c;我是 【战神刘玉栋】&#xff0c;有10多年的研发经验&#xff0c;致力于前后端技术栈的知识沉淀和传播。 &#x1f497; &#x1f33b; CSDN入驻不久&#xff0c;希望大家多多支持&#xff0c;后续会继续提升文章质量&#xff0c;绝不滥竽充数…

【混淆矩阵】Confusion Matrix!定量评价的基础!如何计算全面、准确的定量指标去衡量模型分类的好坏??

【混淆矩阵】Confusion Matrix&#xff01;定量评价的基础&#xff01; 如何计算全面、准确的定量指标去衡量模型分类的好坏&#xff1f;&#xff1f; 文章目录 【混淆矩阵】Confusion Matrix&#xff01;定量评价的基础&#xff01;1. 混淆矩阵2.评价指标3.混淆矩阵及评价指标…

【AI大模型】Transformer模型:Postion Embedding概述、应用场景和实现方式的详细介绍。

一、位置嵌入概述 \1. 什么是位置嵌入&#xff1f; 位置嵌入是一种用于编码序列中元素位置信息的技术。在Transformer模型中&#xff0c;输入序列中的每个元素都会被映射到一个高维空间中的向量表示。然而&#xff0c;传统的自注意力机制并不包含位置信息&#xff0c;因此需要…