至顶网CIO与应用频道 04月25日 北京消息:
新品尝鲜
红帽企业Linux 7.5为多种混合IT环境提供一致性,达到更高的安全性和合规控制,提供降低存储成本、提高适用性的工具,与本地和Microsoft Azure云端的Microsoft Windows基础架构进一步集成。
用Ansible增强安全性
通过集成OpenSCAP和红帽Ansible Automation提供安全自动化。Ansible Playbooks可以直接根据OpenSCAP扫描结果进行创建,然后更快、更一致地在混合IT环境中执行修正措施。通过增强支持数据卷自动解密的网络结合的磁盘加密,敏感数据也可以在复杂环境中得到更好地保护。
存储成本最多降低83%
通过加入虚拟数据优化器 (VDO),红帽企业Linux 7.5可以将云端和本地的数据存储成本最多降低83%。在数据进入磁盘前,VDO会删除重复数据并压缩数据,去除数据冗余,提升有效存储容量。
两方面简化管理
一是优化了Cockpit管理员控制台,通过简化的Web界面消除基于Linux系统管理中的复杂性,包括网络和存储设置。
二是与基于Windows基础架构的集成。例如,优化了与Windows Server实施环境的管理与通信、加强了与Microsoft Azure之间更安全的数据传输、提升了复杂Microsoft Active Directory架构的性能等。
生产就绪型Linux容器
红帽企业Linux 7.5在构建更加精细的安全控制和主机层接入控制时,加入了主动安全性和合规配置的能力。
同时还增加了对Buildah的全面支持。Buildah是一种帮助开发人员创建并修改Linux容器镜像的开源工具,它不需要在后台部署完整的容器运行环境或守护进程。因此,IT团队无需完整的容器引擎,就可以快速地构建和部署容器化应用,从而降低了受攻击的风险,而且在生产中如无必要可以不运行容器引擎。
可用于多种架构
红帽企业Linux 7.5可以在多种架构上使用,包括x86、IBM Power、IBM z Systems和64位ARM。这一版本还可在IBM z Systems上支持单主机KVM虚拟化、开放容器计划 (OCI) 格式的运行时环境和基础镜像。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。