至顶网软件频道消息:Oracle于周二宣布全面推出Autonomous Data Warehouse Cloud,这是首个基于其新的自主数据库的服务。
Autonomous Data Warehouse Cloud建立在Oracle Database 18c,这是Oracle于十月份推出的下一代数据库,结合了一个自动网络安全系统。它使用机器学习来实现快速和简单的数据仓库功能。Oracle表示Autonomous Data Warehouse Cloud的速度足够快,能够保证工作负载的处理,而价格只是亚马逊网络服务(Amazon Web Services,AWS)的一半。
Oracle的首席技术官拉里·埃里森(Larry Ellison)星期二在一份报告中表示:“每个人都知道是亚马逊发明了IaaS市场,并且给了它相应的功劳。”但是他表示,Oracle的目标是“提供一整套更高级别的平台服务。”
另外,Autonomous Data Warehouse Cloud提供了一个安全的数据仓库,具有自动备份、加密和高可用性架构。Oracle强调称,迁移到这个云很简单,因为它兼容内部部署的数据库。它还提供独立的、在线可扩展的计算和存储。
Autonomous Data Warehouse Cloud是Oracle计划发布的几个Autonomous Database Cloud云服务中的第一个推出的服务。计划推出的其他服务还包括Autonomous Database for Transaction Processing、Autonomous NoSQL Database和用于网络分析的Oracle Autonomous Graph Database。
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。