据悉,美国国防部(DoD)仍打算为自己数十亿美元的云合同选择单一供应商,之前甲骨文联合首席执行官曾投诉称这样的做法“没有道理”。
五角大楼上个月发布了一份提案草案文件,称只会选单一云服务提供商为军方所有机构承接联合企业防御基础设施(JEDI)云计划,消息一出,各方哗然。
美国国防部表示,目的是为了降低军方“分散的且大多是内部部署计算”存储系统的复杂性,因此要找单一提供商。
但国防部该计划受到行业团体和一众供应商的抨击,他们认为这样做会限制竞争和创新并可能对系统的长期安全性产生负面影响,特别是合同的授权期限最长可达10年。
政府采购联合关注团体(Coalition for Government Procurement)曾表示,“单一授权合同的做法会为新兴科技制造终极障碍......还将引发安全问题,特别是我们现在见到的云产品和服务商业市场已步入全球整合阶段。”
甲骨文公司联合首席执行官Safra Catz在最近的一次晚宴上向总统唐纳德·特朗普提起国防部这个计划,合同提案继而引起各方关注。
据路透社报道,Catz昨天在特拉维夫举行的新闻发布会上表示, “我向他(特朗普)说了一些商业客户迁移到云端时做的事情以及我对五角大楼计划的理解:只用一个云。”
报道称Catz在谈及国防部合同时表示,“我想不起哪一家商业企业只用一个云,这样做没有一点道理。“
五角大楼却坚持其立场,并无掉头的迹象, 五角大楼在昨天发布的提案草案最终更新中(https://www.fbo.gov/index?s=opportunity&mode=form&tab=core&id=f7f1d0314ec7c83cd0ace1636b5474a1&_cview=0 )坚持单一授权合同的立场。
不过,与修订草案一起发布的Q&A(问题和答案)文件收录了各方对该合同的关注,Q&A文件列出了政府收到的关于这些提案的匿名评论。
其中一个评论指出:
该合同的期限及单一授权的做法似乎与实现商业平等的目标相悖。单一授权消除了竞争,而竞争是推动当前云市场的动力。
此外,合同期限是10年,几乎等于云市场的年龄。期限定这么长是因为没有认识到云市场的变化速度有多快......合同的10年期限结构在未来10年里将DoD与单个供应商绑在一起。
另一个评论表示,商业云计算提供商生态系统“已经日臻成熟,业界打造了不同的云,针对广泛变化的工作负载优化过的”。该评论还表示,有些供应商最适合办公室生产力,有些供应商则针对ERP工作负载或机器学习进行了优化。
虽然国防部在回答一些疑问时说明了合同不包括过渡和迁移服务,但却拒绝直接回答有关单一合同的问题。有条回应评论提了以下的问题,“单一授权是指单一云OEM(即AWS、微软、甲骨文、IBM、谷歌等)还是指单一授权也适用于多个云OEM的Cloud Broker报价方?”
以下评论在文件里出现了20多次:“只要报价方提出的解决方案符合招标要求,提供商可以提出任何形式的合作/合作伙伴安排。”
美国政府还否认合同条款令除了已拿了一些政府合同的AWS以外的公司无法投标,合同将于5月开始招标,预计9月份出结果。
一条评论写道,“截止日期后的30天、6个月和9个月的规定实际上是阻止除AWS外的其他商家就本合同进行投标。请给予足够的时间令多个CSP能获得所有必要的认证。”
政府对此的答复:“根据市场调研活动获取的信息,政府不同意这项要求过于严格的说法。此要求保持不变。”
在与该提案一起发布的一封信中,JEDI云计算项目经理Kaight Meyers中校也在淡化对锁定的担忧。她表示,JEDI云旨在 “对其他现有的云计划做补充”,她还称JEDI云 “不会阻止该部门发布未来的合约行动”。
Meyers还表示,“JEDI Cloud只是提供最大化武器系统、业务系统和军事数据驱动决策能力所需基础技术的第一步。”
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。