所谓的多云IT运营,常常涉及的不仅仅是云计算。一家公司可能会在多个云提供商(包括亚马逊网络服务或Microsoft Azure提供的云基础设施)上建立数据和应用程序,并以开发人员友好的服务平台和内部私有云为基础。
但是除非该公司是最近成立的——在这种情况下,最有可能是全云环境——否则在物理服务器上至少有一部分数据和软件。这就是为什么混合云,以及混合型IT环境——部分云资源,部分内部部署——正在成为当今的常态。
“一个更好的IT”
数字保护服务提供商Trilio的创始人兼首席技术官Murali Balcha表示,云计算和内部部署IT运营的混合管理是获得更高IT效率和降低开销成本等优势的关键。 “在本质上,这个想法是利用各种云软件的功能来为自己实现更好的IT,”Balcha在最近的波士顿OpenStack峰会上表示。
Balcha表示,正确管理混合IT环境的组织可以在需要时利用公共云,根据需要将工作负载从内部部署到云端;在不同云部署之间转移应用程序;如果业务需求需要的话,可以打通公共云资源。 但是,设立这样一个操作并不是一件容易的事情,Balcha说。
内部部署服务器和云需要同步——它们必须具有访问相同的数据集。 “你需要在在内部和混合云中所有云之间拥有此层数据访问流动的层,”他说。
混合IT的特点
Balcha详细介绍了他所说的混合IT环境的四个推动因素: 数据采集必须与平台无关。数据必须被捕获(获取和存储),应用程序应该可以运行在组织所有供应商的云端,Balcha表示。 “我们在IT部署了大量应用程序,但是大多数组织并不以一种覆盖所有云的方式捕获这些数据集,”Balcha说, “如果你不能在不同的云上使用一个云上部署的数据集,那就限制了你使用混合云的能力。” 他说,在OpenStack等平台上进行标准化是一种方式。
这样,内部部署服务器和云部署都在同一个操作系统上运行。 数据集需要移动。 Balcha表示,组织必须能够将数据从云安全地移动到云端,因此他们可以在不同云上的同一数据集上运行一些应用程序。 在云中移动数据的最佳方法是使用云存储,Balcha表示,亚马逊的Simple Storage Service是最受欢迎的。
云存储也可以用于访问数据。 应用程序必须重新编排。对于云部署,业务流程意味着重新排列流程和组件,从而连接在远程位置运行的系统。一旦应用程序可以在内部部署和云部署之间移动,组织就需要重新组织它们,Balcha说。
例如,在OpenStack上构建的私有云中运行的应用程序必须针对AWS进行重新安装,但这比较容易,Balcha表示,只要虚拟机和其他资源类型为标准格式。 需要一个单一的窗口来管理所有的云。在混合IT环境中,Balcha表示,所有云部署应通过电脑显示器或移动设备屏幕上的一个管理控制台进行管理。 如果一个组织有四个云部署,“你不应该觉得你需要登录所有四个不同的云,”Balcha说,所以单点登录是必要的。暴露给用户的复杂性越差越好。 “单一窗口应该隐藏所有细节,并提供一个简单的界面。”
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。