ZD至顶网软件频道消息: 6月15日,阿里云厦门云栖大会,阿里云也宣布新加坡数据中心完成扩建,正式启用该数据中心第二个可用区(Availability Zone),以满足企业用户对高可用性和灾备的需求。同时,新加坡认证机构Certification International向阿里云颁发了新加坡多层云安全MTCS最高安全评级T3认证。
多层云安全MTCS是由新加坡政府的新加坡资讯通讯发展管理局(Infocomm Development Authority,IDA)发起,新加坡标准、生产力与创新局(SPRING Singapore)推出的云安全标准。其安全认证分为三个层次,其中第三级为最高、最安全。
“阿里云成熟的IT服务管理体系保障了其服务的质量以及稳定性,同时其拥有技术过硬、极具实力的安全团队。”新加坡认证机构Certification International总经理Dave Cheng Loon在现场表示。
据了解,新加坡数据中心将是阿里云在亚洲区的第二个境外数据中心,也让阿里云成为第一个在新加坡设立数据中心的中国云服务商。此外,该数据中心与阿里云位于北京、杭州、青岛、香港、深圳和美国硅谷的数据中心实现直连,让有国内外业务的企业可以跨越地域的鸿沟,无需切换操作系统即可管理海内外数据。
阿里云副总裁喻思成表示,2016年阿里云将继续扩大全球的覆盖面,为全球企业提供一站式的云计算大数据服务。
此前,阿里云已经在香港、美国、新加坡的数据中心已经投产,与日本软银、韩国SK合作为当地企业提供云计算服务。未来计划还将在欧洲、中东、澳大利亚等地建立新的数据中心。
好文章,需要你的鼓励
这项研究针对现代文档检索系统中的关键缺陷:独立处理文档片段导致丢失上下文信息。研究团队开发了ConTEB基准测试来评估模型利用文档级上下文的能力,并提出了InSeNT方法,结合后期分块和创新的对比学习策略。实验表明,上下文感知嵌入显著提升检索性能,尤其在处理非自包含文本片段时,同时保持计算效率,对分块策略更具鲁棒性,并且在语料库规模扩大时表现更佳。这一研究为更智能的文档检索系统铺平了道路。
这项由布朗大学和Cohere实验室研究者联合进行的研究全面分析了大型语言模型(LLM)安全研究中的语言不平等现象。通过系统回顾近300篇2020-2024年间的安全相关论文,研究发现LLM安全研究严重偏向英语,即使中文这样的高资源语言也仅获得英语十分之一的研究关注,且这一差距正在扩大。研究还揭示非英语语言很少作为独立研究对象,且英语安全研究常忽略语言覆盖文档化。为解决这一问题,研究者提出了三个未来方向:开发文化敏感的评估基准、创建多语言安全训练数据,以及深入理解跨语言安全泛化挑战。
这项研究提出了ChARM,一种创新的角色扮演AI奖励建模框架,通过行为自适应边界和自我进化策略大幅提升AI角色的真实性和一致性。研究团队创建了包含1,108个角色的RoleplayPref数据集,实验表明ChARM比传统模型提高了13%的偏好排名准确率,应用于DPO技术后在多项基准测试中达到了领先水平。这一突破将为娱乐、教育和心理健康支持等领域带来更加自然、个性化的AI互动体验。
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。