ZDNet至顶网软件频道消息:甲骨文前掌门人拉里•埃里森日前宣布,甲骨文现在已经准备就绪,必将成为客户的云后盾。他以前曽经称云计算是“纯瞎扯”、“发疯”和“痴言妄语”。
埃里森在甲骨文OpenWorld大会发言时表示,甲骨文要做的不仅仅是像Salesforce.com那样搞SaaS(软件即服务),或是像亚马逊那样搞IaaS(基础设施即服务),甲骨文必须同时染指所有和云沾得上边的东西。
他表示,“我们的构建和收购策略肯定可以丰富甲骨文的云产品系列,因而可以为客户提供更好的解决方案。”
他还趁机在谈到几个竞争对手的没什么用的云产品时挖苦他们,称Salesforce和Workday这帮人连自己的平台都没有。
他虽然承认Salesforce是“其他商家里最好的”,却表示他“不知道HANA里运行的是什么”。
埃里森不久前从首席执行官一职上退下来,首席执行官现在由Safra Katz和Mark Hurd担任,但从他的主题演讲里看不出这一点。
埃里森现在是甲骨文的CTO,网上可以搜到他的主题演讲视频。
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。