Oracle正在扩大与微软的合作伙伴关系,近日宣布推出融合Oracle Cloud Infrastructure(OCI)和微软Azure的新服务。
这项名为Oracle Database Service for Microsoft Azure的服务允许微软客户通过Azure控制台配置、访问和监控OCI上的Oracle数据库服务,然后他们可以在Azure上迁移或者开发可连接Oracle服务(例如Oracle Autonomous Database)的新应用。
OCI产品管理副总裁Leo Leung表示,这项新服务是对两家公司于2019年宣布推出的Oracle Interconnect for Microsoft Azure服务的扩展,该服务已经被全球11个地区的约300家组织采用。此次这一举措实现了两家公司的云之间的互操作性,推出的新服务利用了微软管理工具,消除了在不同云平台之间来回移动数据所产生的费用。
无出口流量费用
这项服务不收费;客户为他们使用的Azure服务或者Oracle服务付费。服务自动配置链接两个云环境所需的一切,并联合了Azure Active Directory身份,此外还使用Azure控制台、术语和监控,以及Azure Application Insights,为实时Web应用提供可扩展的应用性能管理和监控(如图)。
Oracle数据库服务软件开发副总裁Kris Rice说:“该服务使用现有的Azure命名法、资源组和区域,当我们进行网络对等互连时,会为你提供可以在OCI上对等互连的虚拟网络列表。”
Leung表示:“这让数据从一个云移动到另一个云的性能会尽可能地高。该服务提供了一个非常类似于Azure的界面,因此Azure客户可以将他们的Azure登录名与OCI登录名打通,并且配置Oracle数据库的方式就像是使用Azure资源一样,可以全面了解各项指标、日志等等。”
“超级云”的形成
该服务是所谓“超级云”的一个很好的例子,超级云是指建立在多个公有云和私有云平台组合之上的新型应用,这些平台提供的价值超越了平台本身的价值。
Leung说:“有很多应用需要这两种技术堆栈,通常也许是连接到Oracle数据库的Windows Server和.NET堆栈。所以这就成了两全其美:我们数据库的所有功能,以及围绕Windows的最佳托管服务。”
Leung表示,Oracle此次推出的新产品主要有三个用途:首先,是针对那些和两家厂商都有关系、并且希望更轻松地访问两个平台数据的客户;其二,是针对那些希望从在Azure虚拟机中运行Oracle转移到OCI上的完全托管环境的客户。“这会对OCI上的数据库进行实例化,他们仍然需要从一个数据库迁移到另一个数据库,但随后可把数据库作为一种托管服务。”
第三的用途,是针对那些使用本地基础设施并希望迁移到云端的客户,这个过程通常可以通过简单的备份和恢复过程来完成,Rice说。
Oracle方面没有透露该服务有多少潜在用户,但“如果你看看微软和Oracle的联合装机情况,就会知道这可能多达数万个,”Leung说。
Oracle Interconnect for Microsoft Azure即将上市。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。