ZDNet至顶网软件频道消息:甲骨文于周二宣布推出旗下数据库12c的内存选件(In-Memory Option),CEO拉里·埃里森现身甲骨文总部发布现场,亲身宣传推广其相关分析和应用性能。
内存选件会在60天内上市,但价格未有披露。与其他选件一样,内存选件是按处理器定价的。
甲骨文高管一直在不遗余力地宣传这款新产品,指望今年夏天的新版本可以推动公司的业绩。甲骨文还将发布12c修正程序的一个更新。数据库12c于一年前推出,很多客户都在等待甲骨文发布第一个维护版本。
甲骨文数据库内存选件的发布目标非常明确:
在去年秋天的OpenWorld大会上,甲骨文曽大谈特谈甲骨文数据库内存选件。甲骨文的数据库近段来受到开源替代品的狙击。如果甲骨文能在实时分析的发展轨道上阻止对手,旗下的数据库则有望将客户留在多个投资周期里。
甲骨文的产品管理副总裁Tim Shetler表示,“数据库应用程序有点粘。不得不做出改变时,仍然需要一个很好的理由才能付诸行动。”Shetler还称,甲骨文注意到各方人士对数据库内存选件有极大的兴趣,甲骨文允许客户进行beta测试和测试运行。他表示,“数据库内存选件是透明的,要试一试很容易。甲骨文有相当数目的人员在进行试验运作。”
甲骨文计划推出一个合作伙伴计划,允许独立软件供应商围绕数据库内存选件做优化。Shetler表示,有结果表明,甲骨文的主要应用程序(JD Edward、PeopleSoft、E-Business Suite和Siebel)的性能提高了100倍至1000倍。
列出几个关键如下:
甲骨文还表示,旗下的Exadata、Big Memory Machine和SuperCluster等系统将支持内存选件。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。