北京-2022年 3 月 15 日——软件智能公司 Dynatrace(纽交所代码:DT)日前公布了一项针对 1,300 位参与基础设施管理的首席信息官和资深 IT 从业者所做的全球性独立调查的结果。此次调查揭示了为打造与数字化转型步调一致所需的敏捷性和可伸缩性,组织在转向多重云架构的过程中所面临的种种挑战。多重云战略导致复杂性骤增,与此同时,基础设施团队在设法监测、管理其瞬息万变的环境时为数据所困。因此,团队在日常工作上花费的时间越来越多,这既限制了他们加快创新的能力,也凸显出应用人工智能和自动化技术的必要性。
此次调查揭示出:
Dynatrace 创始人兼首席技术官 Bernd Greifeneder 指出:“为了能与数字化转型日益加快的步伐保持一致,多重云战略已成为关键,而团队却被这些环境所带来的复杂性搞得焦头烂额。有增无减的部署频次、瞬息万变的云原生架构带动依赖关系数量呈指数式增长。开源技术进一步增加了需要由团队处理的数据,这使得情况更加复杂化。雪上加霜的是,每一种云服务或平台都有自己的监测解决方案。为建立起系统全貌,团队只得从各种解决方案中手动提取分析结果,然后与来自其他仪表板的数据拼凑在一起。组织必须找到某种方法来帮助这些团队减少花费在手动工作上的时间,让他们能够重新专注于战略性工作,从而为客户提供新颖、优质的服务。”
该报告的其他调查结果包括:
Greifeneder 继续说:“基础设施团队需要人工智能驱动的解决方案,以便让他们的日常手动工作最大限度地实现自动化。借助自动化、持续发现和插装技术,团队不仅能减少手动工作量,还能保持涵盖其混合多重云环境的端到端可观测能力。但只具备可观测能力还远远不够,还必须能获取精准解答以帮助团队卓有成效地优化其环境。而传统方式严重依赖手工操作,无法做到与时俱进。组织需要通过集人工智能、自动化及端到端可观测能力于一身的智能化方式将团队解脱出来,让他们把主要精力放在加快创新和优化用户体验上。”
这份报告基于一项针对大型企业(员工人数超过 1,000 人)参与基础设施管理的 1,300 位首席信息官和资深 IT 从业者所做的全球性调查,由 Dynatrace 委托 Coleman Parkes 完成。受访者样本包括美国 200 人、拉丁美洲 100 人、欧洲 600 人、亚太地区 250 人、中东地区 150 人。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。