ZD至顶网CIO与应用频道 04月19日 北京消息:近几年,数据中心发展越来越成为中国IT市场的黑马。物联网、智慧城市、大数据和云计算的发展,对数据处理的需求越来越多,不仅在行业掀起变革风潮,而且也在慢慢改变人们的生活。数据中心行业竞争异常激烈,特别是当我们把视角投向中国市场时,发现中国传统企业转型迫在眉睫。从软件定义基础架构到超融合、开源、网络规模和重构,各种新概念正在激增。内部部署数据中心、混合云和私有云的部署正在变得愈加复杂。物理基础设施和IT基础设施两个领域的不断碰撞,使得我们迫切需要一种更加全面的数据中心生态系统。这不仅仅很复杂,对企业而言更是危机重重。
面对如此严峻的现实,DCD希望凭借拥有的15年数据中心行业经验,帮助中国市场与全球市场的衔接。DCD Enterprise China2016 将于6月15日在上海中心大厦举办,届时国内外行业大咖将齐聚上海,探讨企业IT战略转型与全球数据中心产业发展趋势,剖析技术创新对中国企业数据中心转型与业务可持续发展的深远意义并为所有工作在关键物理基础架构(South of the rack)和IT基础架构(North of the rack) 技术从业者搭建产学研交流的平台。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。