至顶网软件频道消息:IBM正在将其大量软件产品组合转移到应用容器中,同时加强与Red Hat公司的关系。
在本周二的Red Hat Summit峰会上,IBM表示将扩展最近宣布推出的Cloud Private以及Cloud Private for Data平台,以及中间件,支持Red Hat OpenShift Container Platform和Red Hat Certified Containers。
OpenShift Container Platform是Red Hat面向私有云的平台即服务产品,围绕基于开源Docker项目的容器核心构建,Kubernetes提供了编排和管理,所有这些都是运行在Red Hat Enterprise Linux操作系统上。容器是轻量级的自包含图像,结合了操作系统服务和其他库,以抽象出底层基础架构的差异,让应用从一个平台到另一个平台的转移变得更加容易。
Cloud Private为用户提供了构建集装箱化应用的工具,让这些应用可以在各种云环境之间移动。IBM致力于对其大部分主流开发平台进行容器化,包括WebSphere中间件、Db2数据库管理系统和MQ Series通信。
IBM表示,和Red Hat的合作将让客户能够更轻松地将应用移植到基于Cloud Private和Red Hat OpenShift的混合云上,而IBM Cloud Private则提供了对所有企业数据的单一容器化视图。开发人员还能够利用人工智能、物联网和区块链等领域的IBM云服务。
IBM负责Cloud Private的杰出工程师Michael Elder表示:“一年来,IBM一直凭借Cloud Private改变我们通过容器提供软件的方式。拥有全方位支持的中间件,这是其他厂商所不具备的。”通过对Red Hat OpenShift的认证支持,让客户可以在OpenShift运行的任何位置上运行Cloud Private(包括公有云),得到全面的厂商支持。
Elder表示,向容器的转移具有管理程序或裸机部署所不具备的某些先天优势,其中就包括监控容器健康状况的能力、内置持久性、更简单的补丁管理、日志收集和分析等。“我们专注于成为数字化转型的引擎。无论平台层面是怎样的,我们都能提供支持。”
以前,客户能够利用开源组件组凑出自己的容器化私有云部署,但是没有企业级支持的保证。
“IBM善于帮助他们的大型客户处理复杂的环境。随着客户越来越多地选择介于公有云和私有云之间的混合模式,IBM也有机会帮助这些客户管理他们的环境,”Gartner应用实践研究主管Dennis Gaughan这样说。
Gaughan表示,这次合作对两家厂商的客户来说都是有利的。“IBM客户将得更多在OpenShift上部署应用的选择,以前使用IBM中间件的红帽客户也可以放心了,未来是有发展路径的。”
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。