微软今天对其Azure平台进行扩展,新推出了一项名为Azure Managed Grafana的托管服务,旨在让企业更容易在Azure云环境中查找和解决技术问题。
该服务目前还处于预览阶段,是微软去年与初创公司Grafana Labs宣布展开合作所取得的成果。
在云环境中检测技术问题往往需要管理员持续地收集有关应用、虚拟机和其他可能发生故障的组件的可靠性数据。有很多IT团队使用Grafana开源平台来执行此类任务,该平台也是微软此次新发布的云服务的基础。
Grafana可以收集有关企业基础设施多种类型的可靠性数据,然后将数据转换为图表的形式,简化技术问题的检测以及故障原因的确定。Grafana平台由Grafana Labs维护,后者是一家得到风投支持的初创公司,本月早些时候估值达到了30亿美元。
去年,微软与这家初创公司合作开发了托管版本的Grafana,并通过Azure交付,今天新推出的Azure Managed Grafana服务正是这次合作的成果。该服务并非直接基于平台的开源版本,而是使用Grafana Labs的商业版,提供了一组扩展的功能。
Azure Managed Grafana让企业可以使用该平台而无需管理底层基础设施或者执行相关维护任务,例如下载安全补丁。据微软称,IT团队不仅可以使用该服务检测Azure环境中的技术问题,还可以跨其他云平台和本地基础设施检测技术问题。
微软已经将该服务与微软云平台的另一个产品Azure Active Directory进行集成,简化客户的网络安全操作。企业可以使用Azure Active Directory来管理用户访问云应用的权限和方式,该功能将让企业能够更轻松地保护他们的Azure Managed Grafana 部署。
Microsoft提供了一项名为Azure Monitor的服务,让企业能够收集有关于云部署中不同组件是否可靠运行的数据。另外一个新增的集成项提供了将这些可靠性数据传输到Azure Managed Grafana的功能。投入使用之后,这些信息就可以以图表的形式显示,以便更轻松地检测技术问题。
微软还开发了一组预打包的监控仪表板,帮助企业更轻松地可视化来自Azure Monitor的数据。该仪表板可用于追踪应用、容器和虚拟机的运行状况,让客户无需从零开始构建数据可视化,从而节省了时间。
Azure Managed Grafana还与Azure Data Explorer进行了集成,后者是微软云中一项专注于处理实时数据(例如来自联网设备的传感日志)的服务。Grafana可对云环境中技术问题相关的数据进行可视化处理,从而为跟踪联网设备阵列可靠性等用例提供支持。
微软在公有云领域的最大竞争对手AWS去年也发布了Grafana托管服务。与微软类似,AWS也是通过与初创公司Grafana Labs合作开发这项服务的。
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。