印度尼西亚领先的汽车制造商阿斯特拉大发汽车公司(Astra Daihatsu Motor)选择使用Commvault Complete™ Backup & Recovery解决方案,其丰富的功能不仅能够满足其对高可用系统、应用和数据管理的需求,而且简单易用。
阿斯特拉大发汽车公司(Astra Daihatsu Motor)是领先的印度尼西亚汽车制造商之一,每天生产多达2000辆大发和丰田汽车,年产量约55万辆。该企业的IT环境十分复杂,包括140个应用、各种类型的数据库和12 TB的数据。预计这些数据每年将增加5%到10%。
没有部署Commvault解决方案之前,该企业还是依靠手动备份,数据恢复过程缓慢而复杂。其中一间工厂就曾经宕机两个小时,造成了巨大的损失。“每条组装线每分钟生产一辆汽车,因此每宕机一分钟所产生的总成本约为1000美元。这意味着在宕机事件中,我们每小时可能会损失近6万美元。”阿斯特拉大发汽车公司IT主管Akmal Kusumajaya表示。为了尽可能地降低代价高昂的生产宕机风险,IT系统需要具备超强的可靠性和快速恢复能力。
消除宕机,提高客户满意度
在激烈的竞标和对市场上的各种方案进行广泛评估后,阿斯特拉大发汽车公司选择了Commvault软件。该软件在短短两周内就被部署在了阿斯特拉大发汽车公司的所有工厂中。通过使用Commvault Complete™ Backup & Recovery,该制造商的关键业务生产系统现在能够在无需宕机的情况下自动备份。重要的是,IT团队只需使用一个控制台就能监控五家制造工厂的备份情况,即便公司再次发生宕机,也能更快地恢复数据。
Commvault解决方案与HPE磁带库和富士胶片(Fujifilm)磁带存储系统集成。该方案使阿斯特拉大发汽车公司能够将恢复时间缩短80%——从超过8个小时缩短到只有2个小时——进而使备份窗口缩短了95%。
“相比之前每天要花几个小时进行手动备份,我们现在可以把时间专注于生产任务。这改变了我们的IT文化。”Kusumajaya表示,“我们还尽可能地减少了交货延迟,这对于确保客户的满意度至关重要。”
一个能够支持数字化转型安全推进的平台
为了满足阿斯特拉大发汽车公司的数字化计划,该解决方案还需要能够支持云服务,同时符合其母公司和相关公司的数据保护政策和监管要求。
通过Commvault Complete™ Backup & Recovery,阿斯特拉大发汽车公司可以从容实现它的数字化战略并满足合规需求。公司下一步将测试云端的终端用户应用服务和Commvault的复制功能。
“Commvault的市场领导地位让我们更加相信我们的选择是正确的。”Kusumajaya表示,“我们制定了未来五年的数字化路线图,我们知道Commvault将在我们的旅程中为我们提供支持。”
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。