ZD至顶网CIO与应用频道 04月18日 北京消息:2016年4月15日北京 “象”由心生、“云”启华夏——2016象云2.0产品发布会在中国第九届数据中心大会上上海厅荣耀发布。发布会由象云网络、中标软件、企商在线、一兰云联和国家银行业信息安全产业技术创新联盟今天联合举办发布会,宣布发布象云2.0产品。同时,最大的国产操作系统厂商中标麒麟首次以国产操作系统身份入驻象云公有云平台。
发布会开始,工业和信息化部电子工业出版社总编辑兼中国互联网协议互联网+研究中心主任刘九如先生作了热情洋溢的致辞,对象云2.0版本的发布表示了祝贺。
图为工信部电子工业出版社总编辑 刘九如先生
同时惠普中国、借贷宝、阳光保险、中国联通集团广西省分公司、九恒投资、神州数码融信、九鼎集团银行部门、中捷保险经纪、中关村集团控股、方正国际等众多合作伙伴参与和见证了发布会,并在发布会后举行了象云签约仪式。
从1.0版本到2.0版本,象云平台已经完成了核心产品功能打造、合作伙伴横向联合、可信云认证和行业纵深服务等产业布局。
企商在线创始人/象云CEO王熠表示,象云2.0产品的发布也顺应了市场需求的变化趋势。在云计算技术逐渐普及当下,用户已不再满足对数据中心风、火、水、电+互联网带宽+增值服务的传统诉求,他们更希望数据中心具备可靠性、便利性,并可弹性部署。
图为企商在线创始人/象云CEO 王熠先生
象云2.0产品所体现出的企业级云计算实施能力和平台化弹性部署能力,不但能够有效帮助用户实现数据中心的高可靠、多活与定制化,更能实现虚实结合的混合云的一体化统一基础架构服务。
在发布会现场,主办方展示了象云2.0的独特功能和优势。包括通过纳管物理服务器快速搭建私有云、基于VPC专有网络和物理“SDN”构建路由器、打通虚实通道实现负载均衡等。象云2.0产品作为一个企业级信息平台,不仅提供了更高级别的企业级稳定性,更灵活深入的商业智能,同时还能提供多种功能,以满足公有云和私有云环境下应用的实现与运行,帮助企业级用户无缝透明地从现有的传统应用迁移到私有云和公有云之上。
国产操作系统中标麒麟首次入驻公有云平台,这对于国产化操作系统和中国公有云市场来说,是一次具有里程碑意义的事件。该事件预示着国产操作系统在云计算领域已经开始商用落地和公众化,对实现中国云计算技术安全可靠意义重大。象云也由此成为国内首个预装了国产操作系统的公有云服务平台。
图为中标软件有限公司副董事长 兰雨晴博士
记者在发布会现场还了解到,象云2.0将被广泛应用于政府、互联网金融、电商、证券、保险、中小银行等领域。
以金融行业为例,客户选择云服务时会考虑以下关键要素——符合金融行业安全、服务的可用性需要满足业务特性要求、服务可随业务周期自然起伏扩充和缩减&促进新业务的发布、服务商的信用评级需要符合金融机构的要求。象云能够满足上述金融云客户的基本需求,并已在北京、上海、深圳、广州构建了分布式云数据中心,是首个针对可信计算的特征推出公有云架构私有云的服务商,也是国内首个混合云合规平台。
图为借贷宝技术工程部 任闻讯先生
象云网络由企商在线、新云东方等在云计算领域有着深厚积淀和独特优势的公司发起成立,2015年获得了国内知名投资公司九鼎投资增资。象云在全球范围内率先采用”OpenPOWER+X86“的双基础架构,是具备物理可触碰、物理溯源、可信机制、物理与逻辑隔离、专属资源特性的国内首个针对可信云和泛金融行业需求推出的公有混合云服务。
从技术的角度看,象云独有的虚实结合技术,将云计算和物理设备、公有云和私有云整合,通过全程物理SDN设备打通合规通道,让企业级用户既能体验到云计算带来的弹性、高效、快捷、高性价比这一特性又可以满足企业级用户在可靠性、安全性、一致性、可控性的应用架构场景,是国内首个具有私有云属性的公有云。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。