至顶网软件频道消息: IBM表示,将在裸机服务器上提供Kubernetes软件容器编排平台,成为第一个提供该选项的云基础设施厂商。
IBM Cloud Container Service针对的是那些运行数据密集型和处理器密集型工作负载的企业组织,这些工作负载要求最高级别的速度和容量。由于没有安装软件(例如操作系统)的裸机服务器没有诸如虚拟化和多租户层之类的开销,所以提供比传统云虚拟机更好的性能。容器允许应用跨多台计算机和操作系统运行且保持不变。
IBM Cloud副总裁兼首席技术官Jason McGee在一篇博客文章中写道:“这种能力使开发人员能够更好地控制工作负载所在的位置,并让他们能够将工作负载隔离到特定服务器,让团队能够得到全方位管理的容器服务的所有优势,以及裸机的性能和安全性。”
在上周的一次采访中McGee说,IBM正在帮助信息技术部门转向新的重点。“在过去的两三年中,客户已经从专注于基础设施转向专注于应用。我们正在进入一个IT不那么以基础设施为中心、而更多以应用为中心的领域。”
IBM是少数几家支持裸机选择的云基础设施厂商之一,这也是IBM在2013年收购SoftLayer得到的技术。这个市场迄今为止规模一直很小,但据Transparency Market Research预计到2025年会增长至250多亿美元。
IBM从2014年起就开始为Kubernetes和Docker容器项目做贡献。去年,IBM推出了基于Bluemix云开发平台的容器服务;IBM与谷歌公司和Lyft公司合作开发了一个开源平台Istio,该平台简化了基于微服务的应用构建;IBM与Grafeas合作,Grafeas是一个协调大型开发团队活动的开源框架。
简化大型云
另外,IBM宣布与Cloudflare建立合作伙伴关系,Cloudflare为大规模云部署提供各种内容交付、性能管理和安全服务。Cloudflare的技术将成为IBM Cloud Internet Services这一新产品的基础,该产品被Cloudflare称为“安全和性能功能的一站式商店,旨在向公众的Web内容和应用达到云之前对其实施保护”。
IBM还在试图控制分散的性能增强服务和安全服务的蔓延问题,这是企业组织必须在大规模云网络中管理的问题。这个集成服务将结合使用Cloudflare全球125多个数据中心全球网络的域名服务、分布式拒绝服务攻击防护、Web应用防火墙、全球负载平衡、Transport Layer Security/Secure Socket Layer服务。
该服务特别适用于阻止越来越多的大规模DDoS攻击,这些攻击的频率和大小都在增加。 IBM X-Force安全部门最近进行的一项调查发现,“不久前,每秒100Gb的攻击被认为是前所未有的。到2016年,这种规模的攻击成为常态,”IBM Watson和云平台云基础架构服务部门总经理John Considine说。
IBM还表示,将推出一项名为IBM Cloud Security Advisor的实验性新功能,为开发人员和运营团队持续提供应用安全的单一视图,并且IBM正在扩展其Cloud App ID身份验证服务让用户更容易登录。
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。