ZDNet至顶网软件频道消息:SAP本周二表示,旗舰产品Business Suite应用将通过云作为一项订阅提供给客户。
此举是SAP努力将现有客户过渡到云的策略之一。竞争对手Oracle已经将他们的应用作为一项订阅提供给客户,SAP则与NetSuite、Salesforce以及Workday等云公司相竞争。
然而,对于SAP客户来说,通过云交付Business Suite是值得关注的。SAP的官方网站上并没有提供定价或者定价范围,SAP也没有立即对此事发表评论。
有一件事情很清楚:从现有模式向SAP云套件的过渡是需要时间的。首先,企业不太可能迅速抛弃他们自己核心的财务应用直到价值降低。与此同时,一家将要过渡向云的企业还会考虑除SAP Business Suite套件之外的选择。SAP的主要动机是为了与竞争对手的云战略相抗衡,提供一个继续使用SAP的可行选择。
SAP的另一个赌注是这种套件的方式总是能取胜——即使是在云中。
从技术上来说,SAP的Business Suite订购是配合SAP HANA Enterprise Cloud的。SAP补充说,它已经将全球数据中心和集成SAP云产品(SuccessFactors和Ariba)的迁移服务与现有部署结合。
至于数据中心占地空间,SAP表示他们在全球有16个站点,SAP日本的设施是在东京和大阪。这些数据中心是“以内存为中心的”。
SAP引用McLaren、Schaidt Innovations以及Levi Strauss作为按需迁移到Business Suite或者采用混合模式的案例。SAP认为,客户将能够以云的模式更快速地消耗创新技术,并且可以随意挑选自己的部署模式。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。