至顶网软件频道消息: 容量1PB、可以用联邦快运发送的滚轮式机架。Ignite大会 微软发布了Azure Data Box,这是另一款用于将业务数据运输到云中的硬件设备。
该设备一年前开始进行预览,现在可以提供多种款型,具体取决于你想要在别人的计算机——也就是微软的Azure云——上存储多少数据。
Azure Data Box Heavy可以吞下整个PB的数据,该设备目前仍然处在“预览”阶段。这是一个带有“多个”40Gbps连接器的物理设备,配备有脚轮,顾名思义,它是1PB的板载存储器。在美国,联邦快递将接收并发送给微软,然后微软负责将你的数据上传到Azure的具体工作。
常规的Data Box是一个比较小的设备(没有脚轮),并且能够做同样的事情,但是存储量高达100TB。
本周在微软Ignite大会上,出现的另一件新事物是Data Box Edge,它是部分计算,部分存储。针对物联网应用,这款本地设备(据称具有人工智能功能)可以进行网络共享,同时将你的物联网设备数据发送到云中。微软表示,它的计算平台可以让你将Azure应用推向边缘。
实际上,它是一个小型机架,可让你处理传入的数据,然后将该其传输到你的主云平台。
微软这些设备的主要竞争对手是AWS(这是理所当然的)的Storage Gateway设备和Snowball数据传输小工具。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。