ZD至顶网软件频道消息: 日前,甲骨文推出一项新的云服务。新服务安装在客户的数据中心里,并按使用次数付费,该项服务也将由甲骨文来管理。
该产品系列名为Oracle客户云,目标是那些想将关键应用迁移到云中,但又必须遵循隐私和安全法规的企业。
对甲骨文而言,客户云之举是旗下混合数据中心工作的衍生物,有利于甲骨文跨越业界内部部署及即服务的转型。
甲骨文客户云产品的价格以订阅为基础,和甲骨文目前的收费服务一致。甲骨文的营销宣传口号多为要将云送到客户企业内部等。
甲骨文云平台高级副总裁Amit Zavery表示,甲骨文推出此架构是应客户要求将旗下公共服务拓展到私有数据中心。他表示:”我们的目标是让客户在自己的数据中心拥有各种云功能及价格模型。防火墙后面有很多IT开销。”
该项服务的一些要点包括:
尽管此举听起来像是一个托管服务,但甲骨文坚持认为此项服务是将公有云送到客户的企业内部。Zavery表示,甲骨文在客户数据中心运行的硬件和在甲骨文云里的硬件是一样的。他表示:”托管服务是以客户为中心的,是较为具体的。而此项服务是公共云,不针对任何一个客户,是甲骨文云的拓展。”
该服务系列的主打产品名为甲骨文云机器,含Java、整合云服务以及基础架构及服务、平台即服务。甲骨文云机器即日起可交付使用。甲骨文表示,其他主打产品还包括用于数据库工作负载的Exadata云和大数据云。
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。