HPE宣布,经过四个月的测试之后,HPE Container Platform于本周一全面上市。HPE在去年11月推出了HPE Container Platform平台,该平台结合了HPE收购BlueData和MapR之后所获得的各项技术。
HPE将Container Platform定位为“集成的交钥匙解决方案”,采用BlueData软件作为容器管理控制平面,采用MapR分布式文件系统作为持久存储的统一数据结构。
本质上说,HPE Container Platform是一个企业级容器平台,可以支持运行在容器中的云原生和非云原生应用,这些容器是独立的操作环境,让应用可以运行在多种不同的计算基础设施上。HPE Container Platform平台基于开源Kubernetes容器编排软件,可以在裸机服务器或虚拟机上运行,以及本地、私有云、公有云或网络边缘运行。
HPE高级副总裁、混合IT部门首席技术官Kumar Sreekanti表示,“企业采用容器技术的下一阶段,将需要更深层次的创新和新方法。而HPE Container Platform可以提供企业加速应用开发所需的速度和敏捷性。”
“通过在裸机上运行容器以及在虚拟机或云环境中运行的灵活性,客户将受益于更高的成本效益。我们正在利用开源Kubernetes社区的创新技术,以及我们自己的软件创新技术,实现多租户、安全性和支持容器的持久数据存储。”Sreekanti讲到。
HPE还宣布将通过HPE Nextpoint提供新的专业服务,为那些希望采用HPE Container Platform的客户提供专家建议、支持和培训服务。
此外,HPE公布了针对数据密集型应用工作负载,例如人工智能、数据分析、边缘计算、物联网和机器学习的新参考配置。
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。