至顶网CIO与应用频道 03月28日 北京消息:CA Technologies(NASDAQ︰CA)被Gartner列为“Gartner应用程序性能监测套件魔力象限”领导者。CA Technologies提供CA数字化体验洞察(CA Digital Experience Insights)— 一个为应用程序性能管理、用户体验和基础设施监测提供综合服务的监测和人工智能运维(AIOps)平台。
CA Technologies亚太和日本地区DevOps主管Abhilash Purushothaman表示:“我们认为此项认可肯定了我们的前瞻性及完整AIOps解决方案的交付能力。AIOps解决方案可以帮助每个面对数字化转型以建应变的企业应对持续交付出色应用程序的需求,尤其是在现今的数字化经济下。通过利用人工智能和机器学习,CA数字化体验洞察使用开放式AIOps架构,可协助企业理解每个链接如何在复杂的端点组合、共享资源和混合环境中影响用户体验,让企业对其客户的整个数字化体验有更深入的理解。”
据Gartner阐述,“对大部分企业来说,APM在以应用程序为中心的IT运维中已经成为不可或缺的元素,同时也被视作由DevOps驱动的桥梁,一端连接着生产、研发,另一端为IT和数字化业务。”
CA数字化体验洞察帮助DevOps团队支持重要企业成果,交付一流的数字化用户体验,甚至可以在最复杂的数字化环境下(例如Kubernetes、容器、AWS和Azure监测)加快解决应用程序问题,并为未来发展不断进行优化。这个行业领先的解决方案针对有利或损害数字化体验的因素提供了一个完全关联且一致的视野。
Gartner将APM套件定义为有助于监测的一个或多个软件及/或硬件组件,以满足以下三大主要功能维度:
• 数字化体验监控;
• 发现、跟踪和诊断应用程序;及
• 应用程序的人工智能IT运维(AIOps)
SERPRO的IT主管Félix Sutarelli表示:“在SERPRO,我们以往经常要召集各个领域(开发、测试、运维)的专家一起处理突发危机,研究导致应用程序运行缓慢、出现错误等问题的原因。这影响了客户体验、成本以及我们团队的效率。使用CA应用程序性能监测后,我们成功将应对突发危机的需求减少了95%,大大改善应用程序的可靠度、服务水平协议(SLAs)、生产力和客户满意度。”
Purushothaman还说道︰“传统APM手段只着重于在开发后的生产环节中监测个别应用程序组件。我们认为此项认可肯定了我们帮助客户将监控推前至软件开发生命周期的更早期阶段,因此可以迅速修补漏洞,交付完美的用户体验。”
新发布的CA应用程序性能管理专注云端和容器监测,以及应用程序与基础设施之间的监测和关联,为OpenShift、Kubernetes、Docker 和VMware环境提供新的增强监测功能。请点击此处了解更多细节。
如欲免费获取报告,请浏览http://www.ca.com/GartnerAPMMQ。如欲了解关于CA Technologies应用程序性能监测和管理解决方案的更多资讯,请浏览www.ca.com/APM。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。