至顶网CIO与应用频道 05月10日 北京消息:Teradata天睿公司(Teradata Corporation,纽交所:TDC)宣布正式推出“四维分析”(4D Analytics)功能。四维分析是一种全新的高级分析功能,可将三维空间位置数据与作为第四维度的时间相结合,特别是在边缘计算应用中可发挥重要作用,轻松管理时间与位置常变变量。通过在Teradata分析平台(Teradata Analytics Platform)中增加这些新功能,主要处理地理空间、时态及时序数据,并轻松结合运营及客户分析,Teradata天睿公司将帮助客户应用更强大的物联网(IoT)分析用例。
Teradata天睿公司策略性产品管理高级副总裁Tim Henry表示:“在高级分析技术的推动下,我们即将迎来物联网应用与用例的大规模爆炸性增长。通过将全新分析洞察推送至联网汽车、车队、飞机、交通信号灯、道路交通、可穿戴设备及更多边缘设备,它们将更加智能化,并发挥更大的作用。依托业内首创的四维分析功能,Teradata天睿公司蓄势待发,引领边缘计算智能化变革,从车流量、能源效率到交通安全等各方面带来显著提升。”
对许多行业而言,前途无量的物联网是企业的重大投资方向。Teradata分析平台通过提高边缘计算智能化水平,实现业务影响分析,并在传统传感器数据分析中加入更深层次的洞察,显著提升该投资回报率。通过运用基于汽车、可穿戴设备等终端时间与“空间”的洞察,增加四维分析功能将能够进一步增强物联网分析技术。时序(以设定的时间间隔采集并随时间推移显示活动与变化的一系列数据点)、时态(用于存储与相关联时间段相关的数据)及地理空间(与设备位置相关联)数据的完美结合将能够实现基于时间与位置的情境分析。
IT分析与咨询公司Intelligent Business Strategies总监Mike Ferguson表示:“在目前几乎每一个垂直行业中,创新型公司都投身于数字化转型,以改进他们运营及获得新洞察的方式,这能够帮助他们削减各项成本,留存客户并提升收入。在数据和分析方面,物联网面临新挑战,需要边缘及中心化可扩展处理能力。Teradata天睿公司为物联网分析提供全方位支持,是企业应对这些挑战可靠的合作伙伴。”
运用Teradata四维分析功能,将获得深入的洞察,实现使边缘计算更智能的新逻辑与新规则。志在持续领先竞争对手的企业将能够运用四维分析功能,支持各种增强型应用,包括:
9sight咨询公司创始人Barry Devlin博士2017年11月发表研究论文称,时序数据是物联网数据输出高级分析技术的基础……能够在单一环境下全面支持时序数据及双时态(bitemporal)数据是设计并部署生产分析平台(Production Analytic Platform)的核心要求。
Teradata分析平台是Teradata Everywhere重要的基础组成部分,将支持全新四维分析功能。Teradata Everywhere兼具灵活性、敏捷性与可扩展性,确保客户从分析技术投资获得高回报率,随着业务需求不断变化,Teradata Everywhere支持云端部署,并能够自由改变部署环境。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。