ZD至顶网CIO与应用频道 03月02日 北京消息:日前,工业和信息化部计算机与微电子发展研究中心(中国软件评测中心)宣布与北京中科仙络达成战略合作,双方成立“赛迪中科数据中心联合实验室”,充分整合各自优势资源,联手打造国内一流的数据中心设施领域人才培训及共享式运维服务平台。
作为大数据、人工智能、移动互联网、云计算等行业的基础支撑,数据中心行业正在经历高速建设期,随着大大小小数据中心的相继交付投产,管理者普遍面临运维人才缺乏、运维体系不完善等问题。
目前市场上的培训以理论授课为主,无法快速帮助新进运维人员成长。“赛迪中科数据中心联合实验室”摒弃传统课堂中的纸上谈兵部分,增加数据中心场地基础设施的经验分享,加强教学相长的互动,同时搭建包含柴发、UPS及蓄电池、ATS、高低压配电柜、列头柜、风冷系统、监控系统及消防系统等设备,并达到国标B级机房要求的模拟机房,模拟运维中常见故障,供学员实际动手操作,在实际演练中发现问题、解决问题,增加人员实战技巧及应急排除故障能力。在全模拟实验室进行授课、通过理论与实训相结合的培训模式,可以帮助运维新人迅速成长,提高目前运维人员的应急处理和故障解决技能,提高运维团队抗故障能力,逐步做到运维人员能力可视化。
实验室同时推出数据中心运维人才认证体系,并将联合清华大学河北科技园在廊坊建立数据中心人才培训基地。该实验室还将与各地数据中心园区建立战略协作,现已有多个数据中心产业园表达了与赛迪中科实验室共建人才基地的意向。
赛迪中科数据中心联合实验室推出的数据中心基础设施运维人才培训课程包括:1、 DC-FOMA(Data Center Facility Operation & Management Associate)初级运营专员课程,2、DC-FOMP(Data Center Facility Operation & Management Professional)中级运营专才课程,3、DC-FE(Data Center Facility Expert)高级设施专家课程等。
赛迪中科数据中心联合实验室后期还将联合推广LEED数据中心的建设及运维认证,Uptime Institute的相关设计、建造及运维认证等。
中国软件评测中心常务副主任刘法旺表示:“我们非常高兴能和对数据中心行业有着深刻理解的中科仙络联手,为数据中心行业提供人才及数据中心的认证服务。赛迪的品牌优势、客户资源,结合中科的行业服务经验,可以实现优势互补,支撑我们共同打造行业最具权威性的人才及数据中心认证平台。”
中科仙络董事长程小丹表示:“我们很荣幸可以和赛迪合作,赛迪给了我们更大的平台来为更多的客户服务。我非常期待我们双方密切的合作,来为行业带来更多的精彩。”
工业和信息化部计算机与微电子发展研究中心(中国软件评测中心)是直属于工业和信息化部的一类科研事业单位。中心通过测试、设计(规划、工程规划)、认证、监理、评估、培训等主营业务,构建基于第三方服务的科技产业链。旗下的赛迪测评、赛迪设计、赛迪监理、赛迪评估、赛迪培训等业务在业内拥有权威地位。
北京中科仙络咨询服务有限公司长期致力于数据中心设计、建设、运营管理方面的技术咨询、测试验证和培训服务。2015年,中科仙络率先牵头编制了国内第一个数据中心设施运维管理标准。后续,又牵头撰写了风靡业内的“从运维菜鸟到大咖-数据中心运维管理指南”一书。中科仙络的数据中心培训在行业内独占鳌头,参加过中科仙络培训的人才已经超过3000人次。
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。