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
Meta宣布为Facebook Dating推出AI聊天机器人助手,帮助用户找到更匹配的对象。该AI可根据用户需求推荐特定类型的匹配者,并协助优化个人资料。同时推出Meet Cute功能,每周提供算法选择的"惊喜匹配"。尽管18-29岁用户匹配数同比增长10%,但相比Tinder的5000万日活用户仍有差距。AI功能已成为约会应用标配,Match Group等竞争对手也在大力投资AI技术。
字节跳动团队提出RewardDance框架,首次系统性解决视觉生成中的奖励模型扩展问题。该框架通过将奖励预测转为生成式任务,并将模型规模扩展至260亿参数,同时集成任务指令、参考样例和推理能力,有效解决了"奖励作弊"问题。实验显示,在文本生成图像任务中质量提升10.7分,视频生成性能改善49%,达到行业领先水平,为AI视觉创作提供了更强大可靠的技术基础。
Neo4j认为已找到让生成式AI访问图数据库记录的方法。图数据库专注于数据点之间的关系建模和查询,在欺诈检测、推荐引擎等场景中表现出色。2024年4月,ISO批准了图查询语言GQL标准,Neo4j的Cypher查询语言完全符合该标准。现代工具提供拖拽式工作流程,GenAI可作为自然语言接口,将用户请求转换为Cypher查询。
ByteDance团队开发的Mini-o3系统通过深度多轮推理突破了传统AI视觉理解的局限。该系统能像人类侦探般进行几十轮的视觉探索,在困难的视觉搜索任务上准确率达48%,相比现有模型提升显著。核心创新包括挑战性的Visual Probe数据集、多样化推理策略训练和突破性的过轮掩码技术,实现了测试时思考轮数的自然扩展。