ZDNet至顶网软件频道消息: 4月15日,VMware公司宣布与软通动力信息技术(集团)有限公司签署合作备忘录,双方将面向国内公用事业云应用、医疗健康、通信、移动互联、金融服务和新媒体行业市场,合作推出具有先进技术和优异性能的成熟行业云应用,帮助本土客户有效应对当前计算环境和未来IT需求带来的种种挑战。
双方将利用VMware在虚拟化和云计算解决方案的领先优势,面向国内用户推出软通动力产品云化解决方案,包括云管理平台产品、基于云平台的信息安全管理产品以及对软通动力现有产品的虚拟化部署及验证等合作。同时,双方还将在云应用开发及运行平台等领域进行探索,加速国内用户迈向软件定义企业的步伐。
软通动力是中国领先的全方位IT服务及行业解决方案提供商,业务主要涵盖资询及解决方案、IT服务及外包服务等,是高科技、通信、银行、保险、能源、公用事业等行业重要的IT综合服务提供商和战略合作伙伴。
软通动力信息技术(集团)有限公司董事会主席及CEO刘文天表示:“软通动力作为国内主要的行业应用软件服务商,此次与VMware合作,我们希望利用VMware先进的虚拟化与云计算技术,双方联合打造一批技术领先、性能优异的成熟行业云产品。同时帮助本土用户充分发掘业务潜能,加速云计算技术在中国市场的普及应用。”
VMware大中华区总裁宋家瑜表示:“VMware十分重视中国市场。响应政府‘十二五’规划大力发展云计算产业的号召,VMware积极参与云计算技术研究和应用,致力于利用云计算技术推动各行业的蓬勃发展。与熟悉本土市场情况、并拥有成功行业经验的合作伙伴共同推进中国云计算的发展是VMware公司战略的重要组成部分。我们很高兴能与软通动力这样具有雄厚技术实力的本土企业合作,帮助不同规模企业利用IT提升行业竞争力,积极应对当前经济环境下的各种挑战。”
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。