ZD至顶网软件频道消息: 微软正在让Kubernetes--由谷歌开发的容器编排服务--可以全面用于自己的Azure Container Service之中。
微软2016年11月推出Kubernetes on ACS公开预览版。官员们表示,截至今天(2月21日)Kubernetes on ACS已经全面可用。并在21日为那些使用ACS的用户提供了使用Kubernetes的Windows服务器容器(Windows Server Containers)的预览。
该公司的官员在2月21日的博客文章中表示,"客户现在可以预览Docker Swarm(在去年的预览中推出的)以及通过ACS使用Kubernetes,提供的选择与排名前三的Linux容器编排平台中的两个平台一致。"
据悉,微软最初在2014年宣布计划与谷歌就Kubernetes进行合作。Kubernetes是一个开源的容器集群管理器,提供应用程序容器的自动部署、扩展和操作。
ACS --云容器即服务(CaaS),允许开发人员使用Apache Mesos、Docker Swarm以及现在的Kubernetes编排应用程序。微软表示,ACS还允许用户在不用修改代码的情况下,将容器工作负载迁移到Azure或者从Azure中迁移出去。微软在2016年4月全面推出ACS并于去年11月开放了ACS的源代码。
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。