ZD至顶网软件频道消息: 6月7日,红帽宣布全面推出Ansible 2.1。作为一款简单且无代理的开源IT管理框架的最新软件版本,Ansible 2.1实现了对网络自动化的支持,有助于进一步扩展Ansible成为企业IT环境中的通用语言,包括从网络基础到基于容器的部署等方面。
Ansible可帮助开发人员和IT运营人员更轻松且迅速地部署IT应用和环境,通过自动执行例行活动而使他们消除IT团队间的障碍,例如网络配置、云部署,以及开发环境的创建。Ansible的模块化代码库与轻松贡献代码的能力及GitHub中的贡献者社区相结合,为管理当今的基础架构提供了强大的IT自动化平台,而且也可适应新的IT需求和DevOps的工作流程。
Ansible 2.1中包含以下多项新特性:
支持Microsoft Windows和Microsoft Azure
Ansible 2.1现已支持Microsoft Windows环境,允许用户通过单个自动化平台实现完整的跨平台自动化。新特性包括:
对容器更全面的支持
Ansible 2.1引入了强大的新模块,即Docker服务,并且重写了Ansible现有的Docker模块:
凭借Ansible 2.1中新的Docker服务模块,用户可以将Docker Compose嵌入到更广泛的Ansible Playbook中,以配置位于其他容器环境外部的网络、操作系统和部署基础架构。
具备网络自动化功能,现已全面推出
Ansible 2.1全面集成在2016年2月份发布过的网络自动化功能。通过将Ansible的自动化扩展到网络中,Ansible现在能够以简单、强大且无代理的方式管理网络基础架构,这与系统和应用已经采用的方式完全相同。这有助于网络团队利用新的部署范例,包括配置自动化、测试驱动的网络部署和持续合规。
Ansible 2.1增添了40多个新的核心模块,为多种网络平台提供了网络自动化支持,包括:Arista EOS;Cisco IOS;Cisco IOS-XR;Cisco NXOS;Cumulus Networks;Juniper Networks Junos OS和OpenSwitch。
目前,Ansible 2.1已通过GitHub、PyPi和大多数主要Linux版本使用的软件包管理器推出。对于希望更好地控制Ansible的部署,并掌握相关知识和代理功能的用户,Ansible Tower作为一种订阅服务,现已全面推出,非常适合从小企业到大型企业的IT机构的各种规模团队订阅。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。