ZD至顶网软件频道消息: 微软正在开始一项为期九个月的推广,从9月1日开始将向 VMware 用户提供免费的Windows Server Datacenter许可服务,以便用户可以从 vSphere 切换到 HYPER-V。
9月1日开始日期是有点奇怪,那是因为直到即将到来的9月最后一周,微软的Microsoft Ignite 2016大会上,Windows Server 2016才要正式公开发布。(笔者估摸一个月的提前量是要给那些有兴趣的用户在做购买决定前试用一下新版Windows Server 2016技术预览版)。
推广活动的详细条文里还规定,那些将工作负载切换到 Hyper-V 的客户,在购买Windows Server 2016 Datacenter时买了附加的相应软件保证批量许可计划才能获得免费Windows Server 2016 Datacenter许可证,即是说,客户欲获取免费数据中心服务器许可证就得购买软件保证计划。
网上可以下载有关迁移的推广活动的资料,从中可以看出,活动参与用户除了获得免费Windows Server 2016 Datacenter许可证外,还可以通过微软虚拟学院获取免费在线培训。推广活动的结束日期为 2017 年 6 月 30 日。
微软今年将发布好几个Windows Server 2016Windows Server 2016版本,Windows Server 2016 Datacenter是其中之一。数据中心版主打"高度虚拟化数据中心和云环境"。其他版本包括 Windows Server 2016 标准版、精要版、 多点高级服务器、 存储服务器和 Hyper-V 服务器等多个版本。
至于许可证方面,Windows Server 2016 Datacenter和标准版都是按内核算;精要版、多点高级服务器、存储服务器和 Hyper-V 服务器的许可证则是按处理器算;上图取自微软澳大利亚 OEM 团队最近发表的博文,从图中可以看得很清楚。想部署Nano服务器模式的用户则必须参加软件保证计划才能这样做,不管是数据中心版或标准版都是这样。
Nano服务器是 Windows Server 2016 标准版和数据中心版的三个安装选项之一。(其他两个选项为桌面体验服务器和服务器核心版)。长期服务分支(Long Term Servicing Branch)选项不可用于Nano服务器,频繁更新的业务当前分支(Current Branch for Business)服务模式则不可用于桌面体验服务器和服务器核心版。网上可以搜到未来服务选项的详细信息。
数据中心版可在不限数量的操作系统环境/Hyper-V容器里运行,而标准版则只允许在两个操作系统环境/Hyper-V容器里运行。数据中心版还包括了诸如直接存储空间(Storage Spaces Direct)和存储副本(Storage Replica)、屏蔽虚拟机(Shielded virtual machines)和网络堆栈等特别功能,这些是标准版所没有的。
微软证实,Windows 服务器 2016 将引入新 Hpyer-V 容器化技术并将推出Nano服务器模式。
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。