微软正在采取各种措施,将Azure的可靠性在此前透露的99.995%的平均时间运行水平上再做进一步的提高。对此,微软Azure首席技术官Mark Russinovich在7月15日的博客文章中介绍了一些举措。
他在博文中写道:“我不确定是什么促使了微软今天发布此消息。也许是碰巧赶上了微软的Inspire合作伙伴大会,或者也许是微软准备在本周开启销售?也许它与JEDI竞争有关?或者是因为新的财务年度开始?我不确定。”
Russinovich承认Azure在过去一年中受到“三个重大事件”的影响,包括2018年9月美国中南部地区的数据中心停电;2018年11月背靠背Azure Active Directory多重身份验证问题以及今年5月的DNS维护问题。(ps:这并没有囊括过去一年Azure出现过的所有问题。在过去的12个月中,还有一些与Azure相关的事故发生,例如1月份的那次中断。)
Russinovich表示,微软已经在他的CTO办公室创建了一个新的质量工程团队,该团队将与其站点可靠性工程(SRE)团队合作,寻找使Azure更加可靠的新方法。他表示,从现在到2021年,微软将致力于为接下来十个最大的Azure域提供可用域。可用域旨在帮助保护客户免受数据中心级故障的影响。这些域位于Azure域内,并配备了独立的电源、网络和冷却系统。此外,启用的域至少有三个独立的域位置。
微软正在扩展其安全部署实践框架,其中包括了对软件定义的基础架构的更改,例如网络和DNS。此框架旨在确保Azure中发生的所有代码和配置更改在推出到域之前,能够经过一组特定的开发/测试阶段、预览、硬件多样性试验等操作。同时,微软还在进行更多的投资,目的是提升零影响和低影响的更新技术,如热补丁、实时迁移和现场迁移等。
相比于恢复时间,微软目前更优先考虑的是数据保留。但有些客户表示,他们能够希望自己来做出这种权衡和决定,因此微软正在不断测试和提升自己在存储帐户级别启动时,自身的故障转移能力。
具体来说,其Project Tardigrade服务旨在检测硬件故障或内存泄漏,让Azure可以暂时冻结虚拟机,以便将可能受影响的工作负载转移到其他主机。需要说明的是,微软对于该服务仍没有提供「何时发布」或「最终发布形式」等相关的任何信息。
Russinovich 表示:“持续、实时改进的能力是云服务的巨大优势之一,虽然我们无法消除所有风险,但我们非常注重减少服务问题的频率和影响程度,同时给我们的客户、合作伙伴和更广泛的业界提供透明度。”
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。