Red Hat近日宣布在AWS云上全面提供Red Hat Enterprise Linux for Workstations。
这是一个虚拟的Linux工作站,通过亚马逊的NICE DCV远程可视化协议、标准Web浏览器、Windows或者Mac瘦客户端可对其进行访问。Red Hat将该服务定位为适用于动画渲染或者数据可视化等处理密集型工作负载,而不需要相关的硬件成本。
这款工作站即服务产品支持AWS上的各种GPU加速硬件实例,并针对高性能、图形密集型工作负载进行了优化,与支持多种语言、数据库和工具的Red Hat软件开发堆栈相兼容。
Red Hat表示,客户可以利用现有的Red Hat Enterprise Linux生态系统,生态系统中包括来自独立软件供应商的数千个可以快速部署的应用。该服务可用于各种Amazon EC2实例,包括用于机器学习推理和图形密集型应用的G系列实例。
Red Hat副总裁、Red Hat Enterprise Linux总经理Gunnar Hellekson在一份声明中表示:“这种GPU加速和高性能基础设施的结合,将让艺术家、医学专家、科学家和工程师在世界任何地方都能够使用他们所需的功能、在低延迟环境中开展工作。无论是在本地还是通过云服务,Red Hat都能做到这一点。”
目前持有Red Hat Cloud Access的客户可以使用他们现有的RHEL for Workstations订阅在AWS上进行部署,无需额外许可,同时保留所有Red Hat支持和订阅权益。
好文章,需要你的鼓励
香港大学和加州大学伯克利分校的一项新研究显示,在没有人工标注数据的情况下,语言模型和视觉语言模型能够更好地泛化。这一发现挑战了大型语言模型社区的主流观点,即模型需要手工标注的训练样本。研究表明,过度依赖人工示例反而可能对模型的泛化能力产生负面影响。
OpenAI 发布了一款名为 Operator 的网络自动化工具,该工具使用名为计算机使用代理 (CUA) 的新 AI 模型来控制网络浏览器。Operator 通过视觉界面观察和交互屏幕元素,模仿人类操作方式执行任务。这项技术目前仍处于研究预览阶段,OpenAI 希望通过用户反馈来改进系统功能。
大型语言模型如 ChatGPT 展现了对话能力,但它们并不真正理解所使用的词汇。研究者们在冲绳科学技术大学构建了一个受大脑启发的人工智能模型,虽然其学习能力有限,但似乎掌握了词汇背后的概念。通过模仿婴儿学习语言的方式,研究团队将人工智能训练在一个能够与世界互动的机器人中,探索如何让人工智能实现类似人类的语言理解。