近日,Parallels发布了Parallels Remote Application Server版本16.5,该版本允许IT管理员自动配置远程桌面会话主机,并使Parallels RAS部署能够基于负载自动缩放。Parallels RAS现在还支持发布Microsoft App-V容器。扩展的PowerShell API支持以下新功能,包括可以自动执行各种复杂配置和重复任务(以及自动执行扩展的客户端策略),使IT管理员可以灵活地轻松配置客户端设备。
托管服务提供商(MSP)和独立软件供应商(ISV)现在可以使用新的自定义功能,例如重新定义Windows客户端品牌和通过HTML5网关下载品牌化Windows客户端的功能。此外,MSP和ISV现在可以灵活地管理和监控其服务提供商的客户端或服务器场的许可证,并能够在子许可证达到其上限时设置最大用户数限制和通知。
Parallels总裁Jack Zubarev表示:“相对于日益复杂和昂贵的现有解决方案,企业和ISV需要更为简单和高效的虚拟应用程序和桌面交付,以及更低的总拥有成本(TCO),Parallels RAS版本16.5是我们迄今为止推出的最为灵活和最具可扩展性的虚拟应用程序交付系统,它极大地简化了对远程应用程序和桌面的IT管理,并提供了最低的 TCO。”
Parallels RAS控制台中的增强型站点视图可以显示其他实时性能指标。站点视图和性能监视器能够轻松地标识需要管理员注意的组件。此外,Parallels RAS还简化了 Azure MFA Server、Duo和FortiAuthenticator的配置。
Parallels RAS还提供Parallels合作伙伴计划。Parallels合作伙伴计划专为专门提供远程应用程序和VDI服务的MSP和ISV设计,定价因使用情况而异,还可以享受低价折扣和有助于取得成功的大量免费资源。
新版本16.5的功能和更新包括:
Parallels提供为期30天的Parallels RAS版本16.5全面免费试用,包括50个并发用户许可证。
Parallels Remote Application Server还提供以每年99美元的价格购买并行用户许可证的优惠,从一开始以更低的支持及培训成本畅享全部功能,其中包括负载均衡器和支持。
好文章,需要你的鼓励
这项研究介绍了一种名为FlowPathAgent的神经符号代理系统,用于解决流程图归因问题。研究团队提出了流程图精细归因这一新任务,构建了FlowExplainBench评估基准,并开发了结合视觉分割、符号图构建和基于代理的图形推理的方法。实验表明,该方法在归因准确性上比现有基线提高了10-14%,特别在处理复杂流程图时表现出色,为提升人工智能系统在处理结构化视觉-文本信息时的可靠性和可解释性提供了新途径。
这项研究首次从神经元层面揭示了大型语言模型(LLM)评估中的"数据污染"机制。研究团队发现当模型在训练中接触过测试数据时,会形成特定的"捷径神经元",使模型无需真正理解问题就能给出正确答案。他们提出了一种新方法,通过识别并抑制这些神经元(仅占模型总神经元的约1%),成功恢复了模型的真实能力表现。实验证明,该方法与权威可信基准测试结果高度一致(相关系数>0.95),并在不同基准和参数设置下都表现出色,为解决LLM评估可信度问题提供了低成本且有效的解决方案。
这份来自向量研究所、康奈尔大学和格罗宁根大学研究团队的综述分析了基于大语言模型的代理型多智能体系统中的信任、风险和安全管理框架(TRiSM)。研究系统地探讨了代理型AI从概念基础到安全挑战,提出了包含治理、可解释性、模型运营和隐私/安全四大支柱的TRiSM框架。文章还详细分析了威胁向量、风险分类,并通过真实案例研究展示了潜在脆弱性。
这项研究提出了一种名为ConfiG的创新方法,通过生成针对性的数据增强样本来解决知识蒸馏中的协变量偏移问题。研究团队利用教师模型和学生模型之间的预测差异,引导扩散模型生成那些能挑战学生模型的样本,从而减少模型对训练数据中欺骗性特征的依赖。实验表明,该方法在CelebA、SpuCo Birds和Spurious ImageNet数据集上显著提升了模型在缺失组别上的性能,为资源受限环境下的AI应用提供了实用解决方案。