至顶网软件与服务频道消息: 容器是当下热门的软件开发技术,Docker+K8s让新一代应用既可以部署在公有云上还可以部署在传统私有云上,因此,在快速迭代、快速开发之外云原生应用成为实现应用在不同云之间自由迁移的一个有效手段。如今,容器服务也成为各大主流云服务商的必争之地,AWS、微软、阿里云、谷歌等都在不断强化自己的容器服务功能。
AWS EKS(Elastic Kubernetes Service) AWS从2014年开始正式推出容器服务,这就是ECS(Elastic Container Service)。利用ESC既可以在EC2实例里运行Docker容器,也可以以Fargate无服务器计算方式运行Docker容器。EKS是AWS在2018年6月正式推出的,在此之前要部署K8s集群必须手工启动大量EC2实例,并对集群进行配置,通过EKS这些可以自动完成。
微软AKS(Azure Kubernetes Service) 微软于2015年推出ACS(Azure Container Service),提供了容器、K8s、Mesosphere DC/OS的一些基础功能。2017年,微软发布了AKS,有了AKS之后ACS会逐渐退出。AKS支持两种容器,一种是Linux,一种是Windows。不过,Windows上的容器功能还有待完善。
谷歌GKE(Google Kubernetes Engine) GKE的一个特点是与Google Cloud的很多功能相结合,GKE中所有对K8s的操作都可以通过Google Cloud Console或命令行进行。GKE的Kubernetes实例运行在谷歌自己的为容器优化的专用操作系统上,该操作系统源自Chromium OS项目。
阿里云ACK(Ali Container Service for Kubernetes) 阿里云的容器服务有两个,一个是ACS(Ali Container Service),另一个是容器服务的Kubernetes 版ACK(Ali Container Service for Kubernetes),都能提供高性能可伸缩的容器应用管理能力,支持用Docker和Kubernetes进行容器化应用的生命周期管理,ACK还提供企业级 Kubernetes 容器化应用的全生命周期管理。阿里云容器服务从2016年5月份开始正式商业化,其无缝整合阿里云虚拟化、存储、网络和安全等超过20款云产品。
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。