当ScottsMiracle-Gro公司决定部署SAP HANA时,它面临了很多种选择。对于任何一家企业来说,他们要回答的一个最大的问题就是,要不要一次性把全部的应用都迁移到HANA上?或者分阶段来实施?在刚刚结束的SAP Sapphire 2014大会上,我们采访了Scotts Miracle-Gro公司的BI主管SriniMuddala,他将为您解读如何看待这一问题。
Srini Muddala:HANA对于我们来说完全是一个全新的事物,所以我们不可能一次把所有的应用全都迁移到HANA平台,因为我们也不知道最终的结果会如何。因此我们采用了两段式的部署方式,首先我们要观察HANA的表现如何,它能帮助我们实现那些目标,这是第一阶段要做的事。另外很关键的一点是,我们还需要评估HANA与之前遗留系统之间的结合情况,二者是否能够和谐共存。
因此,在第一阶段我们针对所有的公司高管展示了HANA究竟能做什么,让高管对HANA现有一个清楚的认识。一旦实现这一目标,第二阶段就能够更轻松地完成。
当然,阶段性地部署SAP HANA可能会带来额外的开销,但我们没有选择SAP或第三方合作伙伴来进行部署。所有的项目全部是对内的,尽管这种方法会比一次性部署更花时间更贵,但相信部署其他家的软件也差不太多。
它主要是取决于你的数据,如果你的数据量不是很大的话,那么就没有理由选择阶段性部署。在我们公司,我们一共有4TB的数据,这个量就是相对比较大的了,而且在4TB数据基础上,我们还有许多不同的数据模型,如果一次性部署的话就会涉及到很多改动,因此我们最终选择了阶段性部署的方式。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。