红帽OpenStack平台结合了红帽企业Linux系统与红帽OpenStack技术的强大力量,为企业创建、部署、管理和扩展安全可靠的公共或私有OpenStack云环境提供生产就绪型技术基础。
点击即可观看视频(提示:请在Wifi环境下观看)
本期讲师:王磊,红帽高级方案架构师
现在红帽公司任职红帽OpenStack产品专家,主要负责红帽OpenStack产品的技术售前、咨询、架构设计、市场宣传与推广、公司内部技术售前人员以及合作伙伴的培训等工作。从事云计算、OpenStack等领域的工作数年。曾任职Canonical (Ubuntu Linux) 的云计算顾问、 Novell (SUSE Linux) Mono Accessibility Team 成员。在从事 GNU/Linux的公司里工作过10余年。热爱自由软件,积极参与社区,信仰自由文化。
好文章,需要你的鼓励
Captions公司研究团队开发的Mirage模型实现了从音频直接生成说话视频的突破。该技术能准确生成与声音匹配的面部表情、唇型同步、手势动作和环境背景,甚至可仅从音频推测说话者外貌特征。基于统一的Diffusion Transformer架构,Mirage避免了传统方法的复杂专用模块设计,展现出卓越的情感表达和细节还原能力,为内容创作、教育培训和无障碍技术等领域开辟了新的应用可能。
牛津大学研究发现,尽管大语言模型在医学考试中表现出色,但在实际应用中效果大打折扣。研究显示,LLM直接测试时能94.9%准确识别病症,但人类使用LLM诊断时准确率仅34.5%,甚至低于不使用AI的对照组。问题源于用户提供信息不完整、LLM理解偏差等人机交互问题。专家指出,仅凭非交互式基准测试评估LLM存在误导性,需要真实的人机交互测试才能准确评估AI系统的实际性能。
NAVER和KAIST研究团队发现,先进AI模型在数学题自我修正方面存在严重缺陷。他们创建的MMRefine基准测试揭示,即使是GPT-4O等顶级模型也只能成功修正约23%的错误答案,而且经常将正确答案改错。研究发现不同模型在处理六种错误类型时表现差异巨大,特别是小型模型在空间推理修正上竟然超越了大型模型,颠覆了"越大越好"的认知。