AWS昨天发布了一款全新的开源操作系统——Bottlerocket,该系统适用于在裸机服务器或虚拟机上运行的软件容器。
目前,AWS Bottlerocket还处于预览状态,是一套精简的操作系统,仅包含启动和运行容器必不可少的组件,同时支持Docker映像和其他符合Open Container Initiative(OCI)映像格式的映像。
软件容器在开发人员中很流行,因为容器可用于承载运行在多种计算基础设施上,而无需更改基础代码的应用。
但是软件容器需要一个主操作系统,并且绝大多数容器都是运行在并非针对容器设计的通用操作系统上。AWS布道师Jeff Barr在公布Bottlerocket的博客文章中写道,“大多数系统都是逐包更新的,这意味着自动化是一项艰巨的任务。”
因此,操作系统更新不仅速度慢,而且还会因为增加了攻击面而引起安全问题。此外,更新也可能会出现问题,容易出错,与软件包的不一致会随着时间的推移缓慢破坏容器群集的完整性。
因此,AWS推出了Bottlerocket,可以一次性更新而不是逐包更新,这让用户更容易通过容器编排服务(例如Amazon EKS)自动更新操作系统。
Barr说:“Bottlerocket代替了软件包更新系统,采用基于图像的简单模式,在需要的时候快速完整地回滚,从而避免了冲突和破坏,让用户可以更容易地使用EKS等协调器,从容地进行整体更新。”
此外,一次性更新的方式还有助于强化容器应用的更新,最大程度上减少更新失败,并在发生问题的时候实现回滚。
Constellation Research分析师Holger Mueller表示:“厂商们展开了一场让容器操作和监控尽可能简单和高效的竞赛。Bottlerocket的目标就是让企业更容易操作容器,”当然,这还要取决于客户是否感兴趣、是否采用。
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
罗切斯特理工学院和美国陆军研究实验室的研究团队开发了一种突破性的无源域适应方法,通过混搭拼图增强技术和置信度-边界加权策略,使AI模型能在没有原始训练数据的情况下适应新环境。该方法在三个主要基准数据集上取得显著成果,特别是在PACS数据集上准确率提升了7.3%,为AI系统在隐私保护、安全限制等现实场景中的应用提供了新解决方案。
这篇论文介绍了R1-Code-Interpreter,一种通过有监督学习和强化学习训练大型语言模型进行代码推理的新方法。研究团队收集了144个推理和规划任务,利用多轮训练教会模型自主决定何时使用文本推理或生成代码。最终的14B模型在测试集上将准确率从44.0%提高到64.1%,超过纯文本GPT-4o并接近带Code Interpreter的GPT-4o。研究揭示了SFT阶段的关键作用,并发现模型展现出自发的自我检查行为,为开源模型提供了与商业模型竞争的代码解释器能力。