ZDNet至顶网软件频道消息:在近期亚特兰大举行的OpenStack峰会上,我注意到了一个主题——商业主义,这个主题在过去三年里一直在酝酿,终于在今年被提出来了。
有几十家供应商在销售OpenStack的附加服务。OpenStack是一个为技术发展带来巨大利好的项目。某些传统开源开发者可能对OpenStack现在的规模有一些敏感的担忧,但我却发现人们对该项目的兴趣正在升级,充满乐观和热情。对这个项目而言,资金越多,资源就越多。这能帮助所有相关公司从开放云的前景中获益。
然而,供应商的快速增加可能导致市场混乱。前景转化为现实和实践时,一个公司的OpenStack投资不一定能够顺利进行。这让某些人产生了疑问:OpenStack是否是一种容易实施的项目,或者它是否存在设计缺陷,阻止更多最终用户拥抱OpenStack潮流?
任何项目都可以改善用户体验。我们应当在宣传中力求更好地说明,如何才能以最佳方式迁移和管理OpenStack部署。但我还想提醒那些打算采用OpenStack云的IT总监:请谨慎从事。我们应当以明智的方式扩展OpenStack,下面是具体步骤:
循序渐进,步步为营
我观察到很多公司犯的最大错误是“贪多嚼不烂”。他们向OpenStack迁移了各种工作负载和流程,可能包括几种陈旧的系统。他们拥有带有各种挑战和细微差别的不同组件,而不仅仅是一项OpenStack部署。
OpenStack项目的其中一个主要目标是减少复杂性。但公司执行复杂安装时却让流程变得更加复杂。
与之相反的是,公司需要在云中制定和实施一个简单流程。然后成功就会逐渐积累,为向OpenStack中添加更多流程和工作负载奠定基础。用户添加的流程越多,它就会变得越简单。
由点及面,逐步推广
在OpenStack中循序渐进不仅出于技术原因,还出于政治支持和财务支持方面的考量。很多决策行为由各行各业作出,因此部署OpenStack项目会让原本没有机会交流的人们走到一起。如果用户的项目遇到了挫折或挑战,它会在组织内找到许多伙伴。
有条理的OpenStack部署旨在逐个处理这些利益相关者,在每个行业给IT一个关键接触点。一个部门收到效益之后,部署也将会推广到公司的其他领域。
专家支持
公司为OpenStack项目设置安全保障之后,就开始享受开源的好处,包括随之而来的帮助和协助。例如在部署之后的数天、数周乃至数月内都会有人员提供帮助,保护投资效益,这当然不错。很多供应商都是专家,能为公司提供必要的帮助,确保项目启动后能够顺利运行。
OpenStack在灵活性、适应能力和成本方面的优势显著 – 你只需参加下一届OpenStack峰会,就可以见证人们在有机会拥抱开源云时所表现出的兴奋和热情。这种兴奋不应当被安装和迁移方面的担忧浇灭。通过几个谨慎的小步骤,任何组织都可以轻松享受OpenStack带来的好处。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
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。