ZDNet至顶网软件频道消息(文/蒋湘辉): 7月14日,中国电信股份有限公司云计算分公司(中国电信云公司)宣布与VMware签署合作备忘录,双方将联合构建中国电信天翼混合云服务。该服务将以北京节点作为首批混合云的资源池,在项目运营初期将重点关注大中型企业和政府的混合云服务市场,特别是金融、能源、交通、保险、医疗和教育等行业市场,同时中国电信云公司还将加速构建800公里20毫秒延迟的顺畅网络环境。
据悉,中国电信天翼混合云服务主要针对大型企业原有自建的数据中心发展遇到的基础设施、电力扩张困难等问题,为其搭建企业侧自建的数据中心与托管到公有云的混合资源模式,方便企业资源的无缝和即时弹性延展。天翼混合云服务综合了公有云和私有云服务的优势,在将客户私有云有效连接至中国电信云数据中心的基础上,为客户提供专门针对混合云应用场景的相应云服务。
图注:中国电信总经理杨杰(左二)、中国电信副总经理高同庆(左一)、VMware公司CEO基辛格(右二)、VMware大中华区总裁宋家瑜(右一)共同为双方的合作揭幕。(蒋湘辉 摄)
中国电信公司总经理杨杰表示,4G时代带来了信息和数据的爆炸式增长,云计算也将迎来发展的大好时机。云计算是中国电信的战略性和基础性业务,我们选择与VMware合作,希望借助VMware在虚拟化和云计算领域的先进技术,共同推动混合云在中国的落地实施,将计算、存储和网络资源以服务形式提供给终端用户,帮助不同规模企业利用IT提高生产力,共同迈入云计算时代。
图注:中国电信公司总经理杨杰致辞(蒋湘辉 摄)
VMware首席执行官帕特 基辛格表示,“中国是全球发展最快的云计算市场之一,此次合作将有力地促进VMware在中国市场的发展。我们很高兴能够帮助客户通过混合云为其业务提供更高的灵活性和效率。近两年来,VMware大中华区的整体业务增长了大约20%。2005年,VMware在中国大陆开设了第一间办公室,现在我们在全国30个城市均设有办事机构。对VMware而言,与像中国电信云公司这样的国内主要高新技术企业携手合作是历经时间检验的正确发展战略。”
图注:VMware首席执行官帕特 基辛格致辞(蒋湘辉 摄)
据悉,基于双方的合作,中国电信云公司将面向国内用户提供包括基础架构即服务、容灾服务在内的混合云服务,帮助企业用户能够快速、安全、平滑的将自身固有的IT环境扩展至中国电信混合云的模式,并能够统一、高效的进行管理。该混合云不仅支持用户部署新的云应用,同时以安全、可靠、兼容的方式,有效提升业务效率和敏捷性。IT部门只需使用其已经熟悉信赖的平台,即可以完全统一的方式查看、管理并运营这种结合两种云优点的混合云环境。
图注:中国电信云公司CTO广小明介绍,中国电信目前已经构建了以“4+2”为核心数据中心体系(内蒙、贵州和北京、上海、广东和四川),中国电信云公司此次联合VMware推出的天翼混合云服务将首先以北京节点作为首批混合云的资源池,将加速构建800公里20毫秒延迟的顺畅网络环境。(蒋湘辉 摄)
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。