至顶网CIO与应用频道 11月21日 北京消息: 华为云技术私享会是华为云面向中小企业、创业公司的开发者、程序员分享技术精华的线下活动。华为云PaaS第一站于本月17日来到北京中关村,和大家分享PaaS产品微服务、中间件的云上风采。接下来第二站[云安全]将于本月24日在北京赛欧孵化中心登场。
微服务作为一颗冉冉升起的新星,如今正逐渐成为一种主流的架构。云中间件,成就了电商平台的超级承载力,实现了系统快速水平扩展。
实力现场:技术大咖面对面
私享会开场,四位华为云PaaS资深架构师分别从不同角度讲述了微服务和云中间件的技术精华与产品特点。
·开场惊喜:应用架构演进技术面对面-微服务和中间件
华为云微服务架构师张琦从速度(业务上线)与安全(系统在一个可靠的状态下运行)切入,介绍了微服务在传统企业应用开发模式缺陷下,逐渐突显的重要性,以及构建微服务架构的应用系统——Chassis和Side-car。
华为云微服务架构师张琦
·经典环节 :给我一杯咖啡的时间,玩转企业IT系统微服务化上云
身着ServiveComb logoT恤的华为云微服务架构师郑扬勇介绍了微服务开源项目ServiceComb的来历、发展、子项目。ServiceComb作为一个功能完善的微服务框架,包括应用框架代码生成,服务注册发现、服务配置管理、服务监控、服务调用追踪、多通信协议支持等功能,为开发者提供端到端的应用DevOps体验。此外,还介绍了ServiceComb 中的Java Chassis架构,并进行现场演示。
华为云微服务架构师郑扬勇
·特别环节:基于Service Mesh实现非侵入式微服务方案演示
华为云微服务架构师、文艺男神田晓亮从控制面、数据面讲解了最新研发的Mesher的各大优势,并分析了ServiceComb侵入式和Mesher非侵入式微服务的联系与区别,以及未来的发展趋势(两者结合),当然,现场演示如何使用Mesher也少不了。
华为云微服务架构师田晓亮
·有趣环节:基于分布式云中间件,15分钟实现海量数据的高可用架构演变
幽默风趣中间件华为云架构师黄靖凯在此环节回顾了他的成长史——云中间件的成长史,介绍了华为电商云的架构和典型服务,以及如何使用华为云,快速搭建一个云上电商系统以及分布式缓存的服务(DCS)内容,并演示了“电商系统的分布式改造”。
华为云架构师黄靖凯
精彩互动:线上线下享不停
除大咖分享外,本次私享会还给大家准备了神秘礼包、亲密交流等环节,无法来到现场的朋友也能通过线上直播参与进来。
·神秘彩蛋:电商系统的分布式改造终环节,为粉丝们准备了专属的400元礼包,随后通过二维码扫描进入了华为云demo的界面。20分钟后,华为云资源购买模拟完毕;10分钟后,电商系统的应用系统部署(传统的单体应用)完毕;电商系统的分布式改造(基于分布式云中间件)难题也解决了….又快又顺畅!
华为云技术私享会PaaS首站现场
·现场问答:面对霸气外露的“技术巨星们”,热情的”粉丝们”不管是以往使用微服务或中间件产生的疑问,还是现场产生的新想法,都踊跃提出积极交流,现场气氛一片火热。
·线上互动:来不了的“粉丝”也没有被忘记,线上直播同样如约而至,300+人次观看,互动区更是评论爆满…
来日再约:我在赛欧孵化中心等你
如果这一次你依然错过了,没关系!
11月24日,下一场华为云技术私享会-如何做好云上安全将在丰台区赛欧孵化中心,5F咖啡举办,一起玩耍吧!
本次私享产品免费中,登陆华为云官网即刻体验
微服务引擎CSE:http://www.huaweicloud.com/product/cse.html
分布式数据库中间件 DDM:http://www.huaweicloud.com/product/ddm.html
分布式消息服务DMS:http://www.huaweicloud.com/product/dms.html
好文章,需要你的鼓励
这项研究针对现代文档检索系统中的关键缺陷:独立处理文档片段导致丢失上下文信息。研究团队开发了ConTEB基准测试来评估模型利用文档级上下文的能力,并提出了InSeNT方法,结合后期分块和创新的对比学习策略。实验表明,上下文感知嵌入显著提升检索性能,尤其在处理非自包含文本片段时,同时保持计算效率,对分块策略更具鲁棒性,并且在语料库规模扩大时表现更佳。这一研究为更智能的文档检索系统铺平了道路。
这项由布朗大学和Cohere实验室研究者联合进行的研究全面分析了大型语言模型(LLM)安全研究中的语言不平等现象。通过系统回顾近300篇2020-2024年间的安全相关论文,研究发现LLM安全研究严重偏向英语,即使中文这样的高资源语言也仅获得英语十分之一的研究关注,且这一差距正在扩大。研究还揭示非英语语言很少作为独立研究对象,且英语安全研究常忽略语言覆盖文档化。为解决这一问题,研究者提出了三个未来方向:开发文化敏感的评估基准、创建多语言安全训练数据,以及深入理解跨语言安全泛化挑战。
这项研究提出了ChARM,一种创新的角色扮演AI奖励建模框架,通过行为自适应边界和自我进化策略大幅提升AI角色的真实性和一致性。研究团队创建了包含1,108个角色的RoleplayPref数据集,实验表明ChARM比传统模型提高了13%的偏好排名准确率,应用于DPO技术后在多项基准测试中达到了领先水平。这一突破将为娱乐、教育和心理健康支持等领域带来更加自然、个性化的AI互动体验。
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。