ZD至顶网软件频道消息: 日前,红帽公司宣布,Red Hat Enterprise Virtualization进入Gartner八月发布的2016年x86服务器虚拟化基础架构魔力象限远见者行列。Red Hat Enterprise Virtualization为企业构建未来打下了技术基础,同时与现有的开放的、可扩展的、高性能的虚拟化基础架构紧密集成。
“作为进入远见者象限的唯一厂商,我们相信红帽的魔力象限地位巩固了我们持续的创新、增长势头,与可替换的开放、高性能虚拟化的远见。”红帽Linux和虚拟化产品管理总监Gunnar Hellekson。
Gartner的魔力象限基于厂商的完整远见与执行力进行严谨的分析。Gartner表示,“80%的x86服务器工作负载都已虚拟化,但是虚拟化技术变得更加轻量级,支持更多的工作负载和敏捷开发。价格、现代化与具体的用户案例驱动企业部署不同的、多样的虚拟化技术。”
Red Hat Enterprise Virtualization是一个开放的基础设施与管理平台,让服务器与工作站拥有更强劲的安全功能。它构建在Red Hat Enterprise Linux与基于内核的虚拟机技术KVM之上,确保用户可以同时虚拟传统的与云原生应用。Red Hat Enterprise Virtualization是一个开放的可替换的选择方案。它提供高性能、故障容错,用于任务关键型、虚拟Linux与Windows环境的更安全的平台。通过提升虚拟化的经济性、互操作性与敏捷度,红帽解决方案与专有虚拟机相比,降低了成本与复杂度。此外,通过红帽软硬件合作伙伴认证生态系统的支持,Red Hat Enterprise Virtualization提供无与伦比的性能、扩展性与灵活度,可广泛支持关键型工作负载。
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。