9月26日,2019杭州云栖大会上,阿里云宣布正式推出高性能数据库一体机——POLARDB BOX,用户部署在自有数据中心即可享受云数据库的便捷体验,同时还为Oracle等传统数据库用户提供一键迁移功能,最多节省95%迁移成本,更适合政企、交通、航运、金融等行业。
“POLARDB BOX是一款跨时代的产品,打破了云数据库的服务边界,”阿里云智能数据库产品事业部总经理李飞飞表示,阿里云希望将云原生数据库的管理能力下沉到本地IDC,在自有机房里就能享受公共云的体验。
发布会现场,POLARDB BOX实现了对航空App “飞常准” 25亿全球航班4D数据的毫秒级数据查询,如果这些数据按每条1厘米的宽度,加起来能绕地球4周。在过去,这些3D空间+时间的数据需要不同系统协同调度才能完成实时呈现,而通过POLARDB BOX特有的Ganos 时空 SQL 引擎即可一步到位,避免跨多个系统带来的复杂操作。
此外,POLARDB BOX一体机还具备三大亮点,满足企业在数字时代海量的数据存储需求:1、极致性能,最大支持1152 vCPU、9TB内存、118TB SSD有效存储空间;2、开放OpenAPI接口,可与私有云平台无缝对接;3、无锁备份能力,10TB本地备份及恢复仅需10秒。
POLARDB是阿里云在2018年推出的商用云原生数据库,价格仅为传统数据库的1/6,具备快速弹性能力、超大规格、超高可靠性。目前,已有约40万个数据库迁移到阿里云上,涵盖金融、电信、制造、物流等领域的龙头企业。
与传统数据库不断下降的营收相比,云数据库正在积极地快速增长。到2022年,预计有3/4的数据库天然部署或迁移到云上。POLARDB BOX的发布,或将推动用户提前感受云原生数据库带来的技术变革,促进行业加速上云。
好文章,需要你的鼓励
这项研究针对现代文档检索系统中的关键缺陷:独立处理文档片段导致丢失上下文信息。研究团队开发了ConTEB基准测试来评估模型利用文档级上下文的能力,并提出了InSeNT方法,结合后期分块和创新的对比学习策略。实验表明,上下文感知嵌入显著提升检索性能,尤其在处理非自包含文本片段时,同时保持计算效率,对分块策略更具鲁棒性,并且在语料库规模扩大时表现更佳。这一研究为更智能的文档检索系统铺平了道路。
这项由布朗大学和Cohere实验室研究者联合进行的研究全面分析了大型语言模型(LLM)安全研究中的语言不平等现象。通过系统回顾近300篇2020-2024年间的安全相关论文,研究发现LLM安全研究严重偏向英语,即使中文这样的高资源语言也仅获得英语十分之一的研究关注,且这一差距正在扩大。研究还揭示非英语语言很少作为独立研究对象,且英语安全研究常忽略语言覆盖文档化。为解决这一问题,研究者提出了三个未来方向:开发文化敏感的评估基准、创建多语言安全训练数据,以及深入理解跨语言安全泛化挑战。
这项研究提出了ChARM,一种创新的角色扮演AI奖励建模框架,通过行为自适应边界和自我进化策略大幅提升AI角色的真实性和一致性。研究团队创建了包含1,108个角色的RoleplayPref数据集,实验表明ChARM比传统模型提高了13%的偏好排名准确率,应用于DPO技术后在多项基准测试中达到了领先水平。这一突破将为娱乐、教育和心理健康支持等领域带来更加自然、个性化的AI互动体验。
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。