红帽公司日前宣布推出红帽OpenStack平台16.2,这是其具有高度扩展能力且敏捷的云基础架构即服务 (IaaS) 平台的最新版本。红帽OpenStack平台16.2版本旨在帮助企业在混合云世界取得成功,通过与红帽OpenShift更紧密地集成,客户可以同时运行新的和传统的应用,同时提高网络容量、安全性、存储、性能和效率。
即使新应用以云原生方式交付,正在开展数字化转型的企业也通常面临着在管理容器和虚拟机工作负载时实现平衡的问题。特别是对于通信运营商(CSP),红帽经常看到其客户和合作伙伴希望同时运行虚拟化网络功能(VNF)和云原生网络功能(CNF),以实现与裸机环境类似的性能。为了帮助满足这一需求,红帽OpenStack平台16.2增加了以下新功能:
1.更长的生命周期,支持持续的功能更新,而不会因重大升级而中断运行或导致潜在的停机。
2.灵活性,通过红帽OpenStack平台和业界领先的企业级Kubernetes平台——红帽OpenShift的集成,同时灵活运行虚拟机和云原生应用,并实现裸机的性能。
3.通过新的硬件选项而提高可选择性和效率,包括第三代英特尔至强可扩展处理器和其他下一代x86架构,使客户能够以最适合其需求的方式构建开放混合云,涵盖从核心架构到采用smartNIC进行硬件卸载等各个方面。
4.通过整合多种供应商系统和格式而更轻松地部署简化的存储,使客户能够专注于应用创新,而非维护定制或自定义的存储系统。
为边缘带来更多连接
在边缘,应用的可用性日益重要,特别是在边缘站点可能有间歇性或不可靠的网络连接返回中心站点时。此外,尽管处理任务继续在边缘站点完成,但在有些情况下,与中央站点的持续连接至关重要,例如正在抗击疫情的医院系统。中央数据中心可能放置在主医院,处理城市地区的大量病人,但医疗服务也必须涵盖农村病人。因此,这些应用也必须扩展到连接间歇性中断以及空间有限的偏远诊所。将混合环境扩展到需要数据的地方可以帮助分布于各地的团队在关键时刻更快做出决定。
为了更好满足这一需求,红帽OpenStack平台16.2通过开放虚拟网络 (OVN) 增添了可用分区感知。这使作业者能够根据地理位置、电源和停机可能性分组设置节点,然后可以预设一个时间表,使边缘环境能够以最高可用性访问节点。这有助于支持远程边缘站点,并提供本地服务,同时也提高性能,降低数据面流量的延迟,并提高整体边缘的弹性。
上市时间
红帽OpenStack 16.2通过红帽客户门户以红帽订阅方式提供。
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。