ZD至顶网软件频道消息:3月23日,企业级基础云服务商青云QingCloud(qingcloud.com)宣布推出AppCenter 2.0,向企业级用户、应用提供商及开发者提供一整套高效完整的应用交付与运营管理平台。AppCenter 2.0以业务视角重新定义IT使用模式,可以显著降低云端应用开发、部署及运维的复杂度,帮助企业实现应用交付与管理的标准化。同时,QingCloud还将携手合作伙伴基于AppCenter 2.0构建多元开放的云应用生态,打造以应用为中心的全新云服务体系。
青云QingCloud于2015年5月开创性地推出了企业级应用交付平台QingCloud AppCenter,是国内首创基于云计算的企业级应用部署及分发平台。全新发布的AppCenter 2.0是该平台产品的全面升级,为企业、应用提供商和开发者提供一个云计算环境中的应用交付与运营管理平台。
青云QingCloud AppCenter 2.0还包含一整套用来开发云应用及云化已有应用的框架,让应用提供商和开发者可以从资源层管理的复杂性中脱离出来,从而更高效地开发、部署、运维及管理其应用,让用户可以便捷地选择需要的应用来构建和管理自身的业务。
过去,开发人员基于云端开发、部署及管理一个应用,需要学习掌握各类繁杂的云平台API,熟悉云平台本身的各种特性,并完成大量的代码与测试工作。AppCenter 2.0通过独创的模板化应用开发与部署框架,可以帮助应用开发者显著缩短开发周期,并降低使用复杂度,大幅优化云端应用的交付与使用体验,使得整个基于云端的应用开发与部署周期,从过去的数月缩减至数天甚至数小时之内。
云应用的类型丰富多元,AppCenter 2.0秉承开放包容的理念,支持基于KVM/Docker/LXC三种技术体系构建应用,提供完善的应用编排与管理能力。同时,AppCenter 2.0还兼容Kubernetes、Mesos及Docker Swarm等主流集群管理框架,帮助用户基于它们实现应用编排及DevOps持续交付。
开发者基于AppCenter 2.0不仅可以开发各类互联网应用,同时也能够支持传统应用上云,可涵盖CRM/APM/ERP等SaaS应用、简单的单节点应用、多节点的分布式PaaS应用(如数据库/缓存/NoSQL/大数据集群/DevOps等),以及集成多个应用的复杂应用。
基于AppCenter 2.0开发的应用将完全构建于QingCloud IaaS之上,天然获得其提供的高性能计算资源、P2P智能资源调度、SDN(软件定义网络)及SDS(软件定义存储)等支持,并充分享受云平台赋予的弹性伸缩、高可用与高可扩展特性。同时,AppCenter 2.0 还可以帮助用户屏蔽面向底层资源的复杂操作,使用户能够投入更多精力于自身所擅长的业务逻辑,解放专业生产力,满足更丰富的业务创新需求。
青云QingCloud AppCenter 2.0本身也是一个聚合多类型专业应用服务的平台,将成为QingCloud云生态的载体。通过AppCenter 2.0,应用服务商能够成为云计算生态建设者,共享QingCloud云生态平台。AppCenter 2.0提供了一整套完善的运营管理功能,包括计费、支付、财务报表、用户管理、服务支持等一系列功能模块,赋予应用服务商和开发者一站式的应用商业化运营能力。
青云QingCloud CTO 甘泉(Reno Gan)表示:“QingCloud AppCenter 2.0将重新定义云计算使用模式,帮助用户从复杂的流程及底层技术中彻底解放,实现更简单、更轻量的应用交付。同时,AppCenter 2.0还将汇聚各类应用与技术架构,携手众多合作伙伴一起构建多元、开放与包容的云生态。”
同时,青云QingCloud也针对AppCenter 2.0发布了优惠政策,公有云用户通过发布于AppCenter的应用所使用的云资源,其价格在标准资费(仅含主机和硬盘)基础上优惠10%。获得QingCloud AppCenter认证应用的提供商,自认证之日起至2017年12月31日,通过部署该应用所带来的云资源消费(仅含主机和硬盘)的10%作为其奖励。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。