谷歌、IBM和Lyft周三宣布了Istio的首次公开发布,这是一款开放源代码服务,为开发人员提供了一种以供应商为中心的方式来连接、保护、管理和监控云平台上不同微服务器的网络。
Istio为开发人员提供了一种以供应商为中心的方式来连接、保护、管理和监控云平台上不同微服务器的网络
据这些公司表示,创建Istio是为了解决将基于应用程序的微服务集成到分布式系统中所面临的固有挑战,即合规性和安全性问题。
通常,开发人员必须通过更改应用程序代码来解决分布式系统问题。相反,Istio的目标是成为位于应用程序服务和网络之间的统一的基础架构层。
这些公司在一篇联合发布的博客文章中表示,“这种结合了服务部署的、统一的基础设施层通常被称为服务网格”。他们表示,“正如微服务器帮助解耦功能团队一样,创建服务网格有助于将运营商与应用程序功能开发和发布流程分离。Istio通过系统地将代理注入到其中的网络路径中,将不同的微服务转变为集成的服务网格。”
虽然Istio平台是谷歌和IBM之间协作的开放源代码项目,但支持的软件是使用来自Lyft的Envoy代理构建的,该软件是这家“搭便车”的公司为了解决其内部操作性问题而开发的。
对于IBM来说,Istio项目也能够支持该公司简化开发人员使用IBM Cloud上的容器构建和管理更安全认知应用程序的方法。随着微服务和容器在下一代应用程序开发中进入舞台中央,这一努力就显得越来越及时。IBM表示,Istio还为首席信息官们提供了强大的工具,可以在整个企业中满足安全性、政策和合规性要求。
目前发布的Istio针对的是Kubernetes环境,但这些公司表示,他们打算在未来几个月内增加对其他环境,包括虚拟机和Cloud Foundry的支持,并且Itsio将在IBM Cloud上提供。
到目前为止,Red Hat有Red Hat OpenShift和OpenShift Application Runtimes、Pivotal、Weaveworks with Weave Cloud和Weave Net 2.0,以及Tigera与Project Calico Network Policy Engine已承诺支持该项目。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。