至顶网软件频道消息: 红帽今天发布了一款名为Red Hat Storage One的新平台,扩充了软件定义存储(SDN)家族。
该平台旨在为企业提供一个“即插即用”的选项,以便采购和部署SDN并调整其性能。 Storage One将通过Red Hat多个服务器硬件合作伙伴(包括超微等)制造的预制存储系统提供。这些系统捆绑了所需的软件和硬件,以及来自Red Hat合作伙伴的支持服务。
红帽打造Storage One平台是为了向客户提供“开放、灵活和模块化”的存储系统,可以根据需要进行扩展以满足客户的需求。因此,Storage One的设计非常简单,只需使用基于红帽 Ansible自动化技术的安装工具,即可启动并运行。该系统还配置了很多用于服务的工作负载设置,例如媒体内容存储库和通用NAS存储。
此外,Storage One平台还针对这些特定工作负载的性能和吞吐量进行了优化,因此用户很轻松地就启动并运行起来。
红帽公司副总裁、存储业务总经理Ranga Rangachari表示:“那些需要跨开发混合云为现代工作负载和应用可移植性部署弹性存储的企业,正在寻求适合他们的软件定义存储。我们有很多存储客户正在寻求购买和部署一个只需要很少定制的打包解决方案。”
Storage One平台的设计考虑了可扩展性,配置可用范围从4个节点一直到24个节点。红帽表示,如果客户需要,后续系统可以持续更新以容纳更多节点。
Enterprise Strategy Group高级分析师Scott Sinclair表示:“具有变革性的软件定义存储可以提供比传统存储系统更大的优势,即使它是使用硬件进行部署。”
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。