ZDNet至顶网软件频道消息:平台即服务(PaaS)被标榜为云计算进化的下一个阶段,它的发展是得益于企业希望寻求帮助拓展、加快自己开发人员成效并且抽象(如果有可能的话最好也能够商品化)中间件和数据库层。
Gartner对于这一切都感到很兴奋,并且认为2015年将是PaaS腾飞之年,Gartner预计,明年全球PaaS的销售额将达到18亿美元,到2016年这一数字将急剧增长至29亿美元。
不过,Mike Kavis认为PaaS要想在企业市场中大展宏图还存在着不少差距,至少在今年情况就是如此。在最近的一篇文章中,他指出至少有八个问题让PaaS仍然站不住脚。Mike明确表示他非常乐观地认为PaaS将在一年后或者什么时间里成为一个很大的市场。PaaS厂商正在“积极应对”遇到的任何障碍,特别是影响到PaaS推广的障碍。但是仍有很多障碍影响了PaaS的推广,特别是在企业的私有云和混合云应用环境之中:
混乱的市场信息:Mike表示,“问五个人什么是PaaS,你会得到五个不同的答案。从诸如移动计算、开发操作、大数据等专门的领域到通用的领域,PaaS解决方案针对的是应用程序开发。PaaS可以通过公共云、私有云或者混合云提供。
不够成熟:PaaS在企业推广中步履蹒跚。Mike指出,“在云计算模型的三个不同层次(IaaS、PaaS和SaaS)中,到目前为止PaaS是最不成熟的一个。”
缺乏操作性功能:不幸的是,PaaS有太多的开发,而操作性功能却不足。Mike认为,绝大多数私有云和混合云的PaaS解决方案都“迎合了开发者的需求,而忽略了运营团队的需求。”他不是唯一一个持有这种看法的人:James Thomason也认为PaaS仍然有太多的“非操作”,这给“运营团队带来了新的挑战,例如数据备份和迁移、灾难恢复、安全性和治理,如果忽略了这些问题,它们都会带来灾难性的后果。”(但是他也认为PaaS将最终在2015年崭露头角,所以明年肯定是PaaS的腾飞之年。)
IaaS不够成熟:影响到PaaS成熟度的另一个因素是下层基础架构即服务(IaaS)在私有云部署中的成熟程度。Mike表示,“绝大多数的首席信息官们宁愿在踏上PaaS之旅之前先解决好IaaS的问题。”
无法同时支持Java和.Net:PaaS提供商都在吹嘘他们支持多种开发语言,包括Java、Ruby、PHP、Python、Perl、Node和.Net等等。在大多数企业中,Java和 .Net是必备的两种语言。问题是,没有提供商同时擅长这两种语言。Apprenda和微软优先支持.Net,虽然他们也支持其他的语言,但他们的实力在.Net。而其它的PaaS供应商对开源语言表现出极大的热情,而.Net却是他们的短板。
推向市场速度存在问题:Mike表示,“很多企业有着这样一种信念,他们相信你可以简单地采购一套PaaS解决方案,然后开发者就能立刻开始实现更快速度推向市场的目标。”但是现实是“要想成功地实施私有PaaS项目需要付出很多的努力,还要有提供SLAs、高可用性所需要的一切操作性流程,以及让审计人员和安全团队满意的操作流程,并且能够真正服务于应用程序开发者。”
没有明确的行业领导者:Mike表示,企业的首席信息官们担心有些厂商无法在这个业务中存活。
价值主张还没有完全被理解:“我不能说出有多少企业愿意或者不愿意在它们的IaaS层级之上建设‘穷人的PaaS’”,这不太可能展现全部的优势。
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。