至顶网软件与服务频道消息: 网络、计算、存储是云计算系统的三大组成部分,是企业进行智能化转型中最重要的基础设施。但是企业进行智能化转型,是为了推动业务的发展,而不是设计一个IT基础架构。因此很多企业迫切希望找到一个,可以提供从成本、效率角度切实推动智能化转型的可靠合作伙伴,来协助其完成智能化转型工作。
11月21日,联想企业业务集团与VMware公司正式宣布签署战略合作备忘录。双方将加强在超融合架构、虚拟化软件以及联想混合云服务等方面的合作,充分利用各自的优势产品及先进技术,携手为中国用户打造更具优势的软件定义产品及解决方案。
联想有着强大的制造能力,在深圳设有全球最大的服务器制造工厂,在安徽合肥还有全球最大的PC及智能设备制造工厂;VMware是全球领先的企业软件创新者,两者的结合可以为中国企业带来什么样的变化呢?
联想集团副总裁、企业业务集团业务销售总经理李国庆表示:“VMware作为全球云基础架构和移动商务解决方案的领导厂商,此次联想与VMware的深度合作,将助力联想在超融合架构、混合云、虚拟化等软件定义方面形成更具创新性和多样性的产品与解决方案,更好的服务于中国客户。”
VMware公司大中华区合作伙伴及业务拓展总经理王冰峰表示:“联想为全行业提供整合了应用、服务和最佳体验的智能终端及强大的云基础设施与行业智能解决方案。 VMware与联想的深度合作,是‘软硬结合’的最佳方式,将推进为客户提供一体化的创新产品与解决方案”。
在今年的TechWorld上就可以感受到联想的客户场景化策略:从一个简单的IT基础架构,发展到应用场景化,未来还能够结合到IoT、边缘计算、行业定制性解决方案。这是联想下一步希望能够开展更深入的合作,更好的满足中国用户在能源、电力、物联网以及区块链等方面的技术需求。
现在大家都在谈超融合,今天的用户都趋于场景化,所以联想与VMware结合双方的团队优势,去更加了解用户,把信息到产品、到方案一并交付给用户。当前OpenStack和VMware都拥有非常强的技术,但是有两个不同的要求,VMware提供的是不需要太复杂的技术能力就可以推动,而要做OpenStack,所需要的技术性非常强。VMware正好相反,它是从用户的要求来提供一个解决方案。双方未来会利用各自的优势进行虚拟化、超融合到云的全面合作。
在联想35周年的创新科技大会上,联想发布了基于VCPP (VMware Cloud Provider 计划)的云平台,这其实是非常重要的一个里程碑,在过去一年中联想做了非常多的业务整合,也正式推出联想企业级业务,称之为联想企业业务集团。这样一个企业业务集团是专门为中国To B的政府、行业提供全栈式IT服务,包括私有云、混合云、公有云。同时联想在北、上、广、深这些核心地区部署、参与设计、咨询和建设IDC项目。在明年还会推出规模超过上万个机柜的数据中心。同时在这个数据中心当中,会把基于VMware的联想服务器,,还有各种客户需要的云平台提供给客户。更重要的是,联想在做一些跨界的业务整合,进入到智慧医疗、大健康、教育、银行、制造业、零售等等,这样的业务不是联想一家完成的,是基于各种各样的云平台,业务合作平台,包括创投、联想创业机构,跟联想的合作伙伴一块进行完整的生态构建,帮助企业进行智能化转型。
刘淼表示,此次联想企业业务集团与VMware围绕ThinkCloud业务开展战略合作,不仅丰富产品组合以满足企业的不同需求,也将进一步为中国客户提供更加完整的IT咨询培训、系统迁移、虚拟化、超融合、混合云及基于VCPP的Lenovo Cloud等全栈服务。
因此在这个领域,今天会是一个新的联想。面对中国的客户,联想继续提供最好的硬件、服务器、存储和网络,同时快速成为一个全栈的、基于云的IT服务商,也希望在各个领域,在技术创新、业务合作、资本市场进行全面合作。
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。