ZD至顶网CIO与应用频道 02月27日 北京消息:2月25日,北京,近日京东云亮相2017第十四届TFC全球泛游戏大会,与上万名游戏业界精英分享了云生态下的游戏产业话题。活动期间京东云还荣获由活动主办方颁发的“2016年度最佳游戏产业云服务商金苹果奖”,凸显业界对京东云在游戏领域的认可。此次大会由上方汇主办,有400余位领袖大咖级嘉宾和500多家企业参与,深入影响30,000多名业界精英。
行业爆发式增长带来用户需求不断提升
中国游戏行业正经历前所未有的高速发展,2016年1-6月中国游戏市场实际销售收入达到787.5亿元人民币,同比增长30.1%;中国游戏用户达到了4.89亿人,同比增长6.7%。随之而来越来越多游戏企业将云计算技术应用于运营、研发等环节,同时对云计算技术的产品与服务要求也在不断提升,主要体现在几个方面,稳定的基础设施包括机房、节点数量和存储方案,数据分析能力,以及游戏生态与行业实践。
京东云作为大会战略合作伙伴,介绍了在游戏领域的技能能力,同时分享了企业如何借助云计算提升效率、降低成本,从而为玩家打造更好的游戏体验。京东云基础云事业部总经理王直先生谈到,与游戏产业相同,云计算技术也在不断发展。京东云致力于通过技术帮助游戏企业提升竞争力,京东云的容器云服务已将最小单位降低至1核64M内存,可以帮助游戏企业进一步降低成本,灵活应对市场变化。
京东云基础云事业部总经理王直先生在第十四届TFC全球泛游戏大会做主题演讲
领先的云平台助力游戏企业腾飞
技术是京东集团未来十二年的重要战略,京东云作为京东各方面尖端能力的重要输出平台,可借助领先的技术与云服务帮助游戏企业应对激烈竞争。
稳定的基础设施
京东云拥有业界超一流基础设施,自建五星级万兆机房、多线BGP顶级网络、和覆盖全国各省市的CDN节点,以及300G DDos防护能力,充分保证游戏稳定运行。
高性能公有云产品
京东云拥有处理海量服务的经验,通过高性能、高稳定性的弹性计算资源,提供快速创建资源、动态缩减、迁移服务,帮助游戏开发商为客户提供游戏的流畅体验;利用容器云轻便、灵活的特点为游戏企业提供快速重建,实现服务的容错和快速切换迁移来保障游戏的稳定性。
大数据解决方案
京东云数据云可以通过海量数据分析提高游戏产品留存率、付费率,同时依据用户画像,实现预测推荐、流失预警、运营分析等服务,不断优化运营路线。
最佳行业实践
游戏企业可与京东商城、京东云平台无缝对接,开放CDN、手游/页游测试等京东服务,打造一流游戏生态。游戏企业通过与京东图书音像部门合作,借助京东与IP版权拥有者的合作关系,帮助中小型游戏公司建立IP合作,此外还可借助京东优质电商资源在流量转化与游戏衍生品方面与游戏企业开展深入合作。
随着用户对游戏需求的不断变化,以及AR/VR等娱乐技术的创新,游戏企业对云计算平台的要求在逐渐提升。京东云在游戏领域致力于通过公有云服务,并借助京东自身的电商基因与优势协助游戏企业打造完美的用户体验。活动期间京东云荣获了由活动主办方颁发的“2016年度最佳游戏产业云服务商金苹果奖”,彰显了业界对京东云在游戏行业服务能力的认可。京东云还将在3月23日“2017京东云战略发布会”上发布最新公有云产品,并与游戏行业大咖探讨云计算发展趋势,分享游戏企业如何更好利用云平台提升效率的经验。
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。