ZD至顶网软件频道消息: 本周,AWS CEO Andy Jassy在其公共部门峰会上表示,使用多个云服务商的做法实在不可取。
Jassy表示,很多机构都在“开始想怎么将业务分别放到不同的云里。当他们经过深入研究后,绝大多数人最终不会选择多个云。他们主要还是使用单一供应商。”
据Jassy的说法,使用多个云服务商的动机通常是为了避免绑定和防止中断,但是这么做存在很多缺陷。
AWS首席执行官Andy Jassy现身在华盛顿举行的公共部门峰会
“首先,如果企业想走多云之路,最基本的要实现最底层的标准化,但是现在的云平台大都不同。而与其他服务商比,AWS的功能多多,而且成熟度高,运算速度快得多。其次,要维持多个堆栈的运行,不仅对资源要求高,而且昂贵,这对很多人来讲都是件伤脑筋的事。”
他接着表示,“还有第三个原因,使用多云后,企业就此放弃了购买上的优势,因为对于云服务来说,企业购买得越多折扣就越大,但如果购买行为被分开成几次,企业就丧失了这种优势。”
除此之外,对于很多企业担心的绑定问题,Jassy称AWS的服务“是建立在开放标准上,像MySQL、Postgres、MariaDB,或者Linux一样”,企业很容易迁移。
但不幸的是,使用AWS在一定程度上是存在绑定问题的,因为许多AWS的API事实上是其平台所独有的。
Ovum首席分析师Roy Illsley告诉记者,“多云这东西会在业界站住脚。各机构会重新审视自己的云策略,这些机构会为了减少风险而使用多个云供应商。”不过他也对开发商喜欢单云法、并可能会用一个云里做核心应用开发的看法表示同意。
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。