北京-2022年6月20日——软件智能公司 Dynatrace(纽交所代码:DT)日前宣布,在 Gartner 的 2022 年应用性能监测(APM)与可观测能力魔力象限评测中,该公司再次被评为“领导者”。在 Gartner 的评测中,Dynatrace 的前瞻性评测指标名列前茅,该指标是衡量厂商在创新、市场理解以及满足客户需求的能力等方面的尺度。该魔力象限是对《2022 Gartner 应用性能监测与可观测能力的关键能力》报告的补充,在这份报告的 6 项应用场景评测中,Dynatrace 获得了其中 4 项的最高分。
Dynatrace 产品管理副总裁 Steve Tack 表示:“能获得 Gartner 的认可让我们深感荣幸。Gartner 先后十二次发布魔力象限,Dynatrace 是唯一一家次次入选‘领导者’的厂商。我认为,这证明了我们不仅能始终如一地开拓创新,还能在日新月异的环境下对市场做出预测、不断实现客户价值。随着应用开始向混合云和多重云环境迁移,这些云环境所产生的数据和复杂性呈指数式增长。我们专注于依托数据提供精准答案和智能自动化,这使我们的客户能够正确运用其云环境,降低云复杂性,促进云原生技术的推广,加快数字化转型的步伐。”
Dynatrace® 平台将可观测能力从指标、日志及跟踪信息延伸到用户体验数据、运行时安全数据以及来自 OpenTelemetry 等最新开源标准的数据。人工智能运维引擎 Davis 是该平台的核心,通过实时处理这些数据,不仅能以全栈的方式监测系统退化、性能异常及安全漏洞,还能提供按业务影响程度划分优先级的精准答案。此外,该平台还将容易出错的手工任务自动化,其中包括持续发现、主动进行异常检测和优化,涵盖整个软件生命周期,从而大幅减少日常的手工任务,帮助开发安全运维团队实现安全可靠的数字化交互。
在《2021 Gartner® Peer Insights™ 客户心声:应用性能监测》报告中,Dynatrace 荣膺客户选择奖。以下是其中一些客户对 Dynatrace 的评价:
· “一个能让云计算化繁为简、促进数字化转型的平台。Dynatrace能在非常短的时间内提供极其精准的答案,因而有助于提升公司业绩。”
· “一切都是自动化的。Dynatrace 能加快创新、促进我们组织的发展。在开发软件的过程中,它通过高质量的创新和快速的处理让我们的团队受益匪浅。”
· “Dynatrace 不仅为我们的应用提供了卓越监测能力,也让我们走上了自我修复、自动修复之路。”
· “借助 Dynatrace,在大型基础设施中查找细枝末节变得轻而易举。”
Dynatrace 网站上提供了《2022 Gartner APM 与可观测能力魔力象限》和《2022 Gartner APM 和可观测能力的关键能力》的免费副本。
Gartner免责声明
Gartner,《应用性能监测与可观测能力魔力象限》,作者 Padraig Byrne、Gregg Siegfried 及 Mrudula Bangera,2022 年 6 月 7 日
Gartner,《应用性能监测与可观测能力的关键能力》,作者 Gregg Siegfried、Mrudula Bangera 及 Padraig Byrne,2022 年 6 月 8 日
Gartner Peer Insights 的内容是由各最终用户根据自身对于本平台上所列厂商的体验所给出的意见而形成的,既不构成事实陈述,也不代表 Gartner 或其所属公司的观点。Gartner 不保证本文中所描述的任何厂商、产品或服务,也不对与内容有关的准确性或完整性承担任何明示或暗示的担保,其中包括任何针对特定目的的适销性或适用性的保证。
Gartner,《Gartner Peer Insights “客户心声”:应用性能监测》,2021 年 9 月 9 日。
PEER INSIGHTS 是 Gartner, Inc. 及/或其在美国和各国所属公司的商标和服务商标,已获准用于本文。保留所有权利。
Gartner 和 Magic Quadrant 是 Gartner, Inc. 及/或其在美国和各国所属公司的注册商标和服务商标,已获准用于本文。保留所有权利。
Gartner 不背书在其调查出版物中描述的任何厂商、产品或服务,也不建议技术用户只选择得分最高或者获得其他称号的厂商。Gartner 的调查出版物根据 Gartner 的调查机构的意见而形成,并不构成对事实的陈述。Gartner 对该调查概不承担任何明示或暗示的担保,其中包括任何针对特定目的的适销性或适用性的保证。
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。