随着云、核心和边缘环境中数据爆发性的增长,网络攻击的范围正在不断扩大,勒索攻击的频次和造成的影响也在加剧。面对前所未有的网络安全(勒索软件)的威胁,Veritas作为公认的保护和恢复企业数据的全球领导者,在应对这一挑战方面具有独特优势:在数据保护市场上处于领先地位、获得87%的《财富》全球500强企业的信任,支持超过 800种数据源、1400种存储设备以及60多类云平台。
在3月份的《魔力象限》报告完成评审之后,Veritas持续推动旗舰级数据保护解决方案NetBackup的创新,其中包括6月份宣布的重大更新:
• 基于人工智能的异常检测、持续性数据保护、即时回滚和在云中无缝集成的不可变数据,增强对勒索软件和其他威胁的防护。
• 为所有主流的Kubernetes发行版提供完整、集成的本地保护,兼容大部分操作系统、管理程序和公有云。
• 云资源的自动扩展和智能云策略引擎,将操作的简便性提升到了全新高度,不但能满足数据保护的需求,也降低了云原生数据保护的成本。
Veritas公司大中华区技术销售与服务总监顾海巍表示:"在勒索软件正威胁着全球绝大部分重要行业的大背景下,Veritas连续16次被评为Gartner企业备份和恢复软件解决方案魔力象限领导者,并且在2021年Gartner Peer Insights “客户之声”针对大型企业数据中心备份和恢复解决方案的评选中获得最高评级(截至2020年10月31日,依据收集的13条IT企业反馈,Veritas总体评分为5分,满分5分),这些都是Veritas保障客户韧性的有力印证。我们相信Veritas NetBackup是唯一的现代化数据管理平台,它不仅可以增强企业抵御潜在恶意攻击的韧性,还能助其积极应对云、分布式数据及应用的激增和复杂性。即便多点办公促生了更多工作负载迁移到云上,NetBackup也能为客户提供强大保护!”
好文章,需要你的鼓励
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。
这项研究探讨了多模态大语言模型在增强推理能力时出现的视觉幻觉问题。研究发现,模型生成更长推理链时,对视觉信息的关注减少,导致幻觉增加。研究者提出RH-AUC指标和RH-Bench基准来评估模型在推理与幻觉间的平衡,发现较大模型表现更好,纯强化学习训练优于监督微调加强化学习,且训练数据的类型比数量更重要。这些发现对开发既具推理能力又保持视觉准确性的AI系统具有重要意义。
这篇研究探讨了大语言模型在自动推理任务中的不确定性问题。研究者提出,模型生成形式规范时的概率不确定性不是缺陷,而是宝贵的信号源。通过引入概率上下文无关文法框架分析SMT-LIB程序分布,他们发现不确定性信号具有任务相关性(如逻辑任务中的语法熵AUROC>0.93)。他们的轻量级信号融合方法能减少14-100%的错误,仅需最小弃权,将大语言模型驱动的形式化转变为可靠工程学科。研究揭示当模型正确理解逻辑关系时会产生稳定的语法模式,为判断何时信任模型提供了可靠指标。
来自沙特阿拉伯王子苏丹大学和阿尔法萨尔大学的研究团队开发了GATE(General Arabic Text Embedding)模型,这是一套专为阿拉伯语设计的文本嵌入系统。该研究结合了套娃表示学习和混合损失训练方法,解决了阿拉伯语特有的语义处理挑战。GATE模型在MTEB基准测试的语义文本相似度任务中表现卓越,比包括OpenAI在内的更大模型高出20-25%,同时保持了多维度(768至64)的高效表现。研究通过详细的错误分析揭示了模型在不同相似度水平上的表现特点,为阿拉伯语NLP领域提供了新的研究方向。