ZDNet至顶网软件频道消息: 在三月份的最后一周,亚洲的主流云服务提供商(CSP)纷纷对其核心服务进行大幅降价,IDC认为,这将使规模较小的云服务提供商更难以继续经营,如果他们继续依赖于基本的、无差别的服务。
IDC亚太区云服务及技术AVP兼首席分析师Chris Morris表示:“如果较小的云服务提供商足够强大,拥有体面的客户群,那么他们将被更大型的提供商收购。如果没有,那么他们将被击败。不管怎样,上述这两种情况都将推动云提供商之间的整合。”
Morris解释说,思科宣布与多家主流服务提供商之间围绕InterCloud的合作是基于差异化的基础架构即服务(IaaS)——独特之处在于将思科的技术层(硬件和软件)连接起来以提供一项网络服务,目的是在成本和灵活性方面最为有效,以应对不同的工作复杂需求。
“凭借着这些合作伙伴,思科将构建基础针对不同行业的参考架构的云服务,包括运输和制造业等。这将成为行业的平台即服务(PaaS)或者iPaaS。”
IDC认为,合作伙伴可以提供这种强大的平台来构建和部署针对垂直行业的解决方案。Morris补充说,这将反过来推动应用开发者,不管是新应用还是旧应用。
“随着谷歌越来越重视企业,并且开始利用其庞大的开发者合作伙伴生态系统,整个合作伙伴的前景将变得竞争更为激烈,服务提供商包括AWS、谷歌、微软、思科、甲骨文和惠普都将争夺同一个合作伙伴。”
业务线经理每年花费大约50%的云支出,Morris指出,如果云提供商想要创造销售量以维持经济规模的话,他们需要这些业务为导向的应用,因为他们将推动对于基础的、低利润服务的消费,并且触发相关市场的增长。
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。