至顶网软件频道消息: 传统企业数字化转型趋势不可阻挡,云计算技术基础匮乏让企业举步维艰。如何借助开源技术助力企业数字化发展?在上海举行的KubeCon+CloudNativeCon China 2018大会上,云原生计算基金会(CNCF)负责人 Dan Khon给出了答案:
Dan Khon先生首先向我们介绍了,他的开源工作经历:
25年前,我在第一家IT企业工作开始,就一直在进行开源的工作。从网络服务器到用于加密的PGP(Pretty Good Privacy)的加密程序等等。如果要是给我过去25年的工作经历打一个标签,那就是——开源。
开源对于数字转型来说非常重要,包括google和微软都是一样。没有哪家公司可以制作出所有的软件,那是不可能的。所以IT巨头与开源社区一起,在肩并肩的获得以往不可能获得的成绩。
在有关开源向企业提供了哪些助力的问题中,Dan以京东为例向我们进行了回答:
京东现在是Kubernetes最大的一个用户,现在一共有25000台服务器都是在Kubernetes上运行,另外还会有5000多个这种集群服务器。在双11购物节期间,Kubernetes对他们起到了非常大的帮助。
随后Dan Khon向记者介绍了云原生计算所存在的意义。
云原生计算有两大好处:
第一,提高效率,可以用更少的服务器支持更多的应用处理需求。
第二,提高速度,在进行开发或深度学习时,可以用更高的速度完成相关的工作。
云原生开源社区的成员都是非常活跃,也非常积极。一旦软件出现了任何错误,他们都能够非常迅速的去解决问题。现在经过认证的Kubernetes企业,都特别愿意和客户去合作,帮他们解决问题。现在云原生社区已经有76个这种获得Kubernetes认证的合作伙伴,其中有22个是在中国的。
我们也有一些项目,这些项目也是非常愿意和我们这些用户去合作,我们会和用户通过这些项目,然后建立用户和项目之间的一种双向的沟通和互动。这是非常重要的一点,就是我们CNCF现在有三个项目,然后都是从中国开展的。
HARBOR项目是三个项目其中之一,他现在已经就结束了沙箱阶段,开始进入孵化阶段了。
开源社区如何营利,怎样才能维持他们的可持续性发展,从而可靠的为用户提供服务呢?Dan Khon向我们介绍了如何将CNCF打造成一个可持续的生态:
开源项目,也可以产生商业性质的产品。这些产品最终能给我们带来利润,而这些利润又反过来去反哺项目。
还有像这次的KubeCon会议,也能够很有效地帮助我们去建立这样一个开源的生态环境。特别是在在中国和世界其他之间,建立其他国家地区之间建立联系。
在三年前CNCF刚刚成立的时候,我们只有一个中国会员,就是华为。现在有了39个中国会员了,然后包括我们的白金会员,然后像阿里云、华为、京东,还有黄金会员,然后像百度、腾讯等等。
有关于营利,我们希望我们的会员能够盈利,通过CNCF所提供的Kubernetes技术为企业盈利。我们会收取会员的赞助,比如这些大会,也是这些会员进行的赞助。但是CNCF本身是一个非营利性质的机构,只是一个开源基金会,我们收取的费用,最终都会投入到CNCF的项目中去。
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。