如果451 Research最新预测成立的话,那么炙手可热的应用容器市场将很快成为资金涌入的地方。
451 Research刚刚发布了一份题为“Market Monitor Cloud-Enabling Technologies – Application Containers”的报告,预计明年年底应用容器市场规模将超过21亿美元。
不仅如此,451 Research预测未来四年应用容器市场将继续快速增长,到2022年收入规模达到43亿美元,复合年增长率为30%。
451 Research表示,之所以预测应用容器市场增长如此迅速,是因为企业看到了这项技术在帮助开发者更快地行动、更有效地管理IT基础设施方面带来的价值。应用程序容器受到开发者的喜爱,是因为应用容器让开发者们可以编写出能够运行在任何计算平台上的软件,而无需对其代码进行任何更改。应用容器还提供了一种简单的方法,让持续更新的发布更快速。
451 Research研究表明,在接受调查的企业中,约有一半的企业现在正在使用容器,或计划在未来两年内使用容器。
451 Research首席分析师Jay Lyman表示:“容器技术在跨混合基础设施和微服务提高开发者速度、效率和可移植性方面的前景,正在推动着这项技术的增长。厂商们更广泛和更深入的参与,以及企业对容器技术的采用率提高,都表明着这个市场将继续成长,并且这个过程可能会引发市场的整合。”
451 Research表示,科技公司正在争先恐后地搭乘容器这艘大船,成熟的公司和初创公司都在拿出不同领域的用例,包括DevOps、管理和编排、监控网络、安全性和存储。用例的多样性不仅证明了容器的广泛适用性,而且也是科技公司抓住这块馅饼的机会。
Lyman表示,这个市场机会很可能会促使那些尚未涉足该领域的公司进入市场,进一步加速市场增长。同时他还预测,随着生态系统的成熟,市场将在某个时候发生整合。
Lyman说:“业界已经看到合并和收购的发生,包括IBM最近收购Red Hat和VMware收购Heptio,这些都证明了容器市场的成熟如何带来更多整合和更多增长。”
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。