至顶网软件频道消息: 私有云基础设施公司Mirantis正在将重点转移到边缘计算市场,推出了基于开源Kubernetes容器编排软件的Mirantis Cloud Platform Edge(MCP Edge)。
Mirantis表示,MCP Edge的主要目标市场是电信提供商,后者需要一种简单的方法在网络边缘推出5G服务。
边缘基础设施与大多数电信运营商已经运行的核心云基础设施不同。传统的云基础设施通常是统一的、集中的,但在边缘情况却完全不同,边缘是由许多地理分布的点和异构架构组成的。Mirantis表示,这种复杂性意味着以经济高效的方式运行边缘基础设施是需要重新考虑现有的部署和管理方法的。
MCP Edge提供的边缘基础设施占用空间少、延迟低和吞吐量高,并且可以从中央位置对其进行管理。该软件平台是基于开源标准的,集成了Kubernetes、OpenStack和DriveTrain,其中DriveTrain是Mirantis的灵活基础设施管理平台。Mirantis表示,这种组合将使运营商能够部署裸机、容器和虚拟机点,通过统一的管理平面进行连接。
该平台还可以运行开源软件Virtlet,让运营商能够使用Kubernetes来调度虚拟机。因此,运营商可以选择在虚拟机或容器上运行其虚拟网络功能,OpenContrail用于在它们之间建立网络。
MCP Edge构建在Mirantis去年发布的Mirantis Cloud Platform基础之上,这个基础设施产品是基于构建私有云的OpenStack和Kubernetes之上的。Mirantis表示,MCP Edge将与核心MCP平台一起运行。
Mirantis首席执行官Adrian Ionel在一份声明中表示:“边缘空间需要支持各种各样的应用用例,服务提供商仍然处于学习阶段,随着5G、物联网和自动驾驶等新技术的出现,我们要为边缘计算做好准备。边缘基础设施的敏捷性将使企业能够以最低的成本快速适应和推出新的用例。”
Mirantis指出,电信公司在推出5G时对网络边缘的虚拟化非常重要,这是因为5G网络需要在边缘定位路由和视频处理等功能,以便充分发挥其性能和灵活性。
Constellation Research首席分析师Holger Mueller表示,相同的功能对于“物联网”和网络管理来说也很有用,因为这些功能需要有一个远离公有云的远程位置。
Mueller表示:“Mirantis希望成为这个市场的一份子,因此宣布MCP是使其客户能够获得优势的正确策略。这该平台构建在超级流行的Kubernetes基础上,这个该平台一个关键的特性,因为Kubernetes赢得了集装箱平台之战,至少目前看是如此的。CxO现在可以使用MCP将Kubernetes兼容的代码资产转移到边缘,并[使用它]为下一代应用提供动力。”
MCP Edge平台现已上市,价格为每个节点500美元。此外Mirantis还提供免费试用版,可以作为虚拟设备下载。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。