南非特别调查组(SIU)成立于1996年,是一家值得信赖的反腐败、诉讼调查和诉讼机构,负责追回经济损失并纠正不法行为。但是,随着成立时间日久,也出现了技术过时与效率低下的问题。像SIU这样的机构无法容忍这样的问题。
首席信息官Tumelo Zwane明白新兴技术能够如何简化SIU的工作,因此她和她的团队最近着手更新该部门的通信和协作技术。Zwane表示,该项目于2022年初启动,并指出SIU当时仍在使用GroupWise,这是一个支持电子邮件、即时消息和文档管理的平台。虽然还有不少组织在使用GroupWise,但许多组织已选择离开该平台并迁移到更新的技术。
她表示:“从技术的角度看,GroupWise已经无法满足我们的需求,也缺乏我们正在寻找的功能。”这就是他们决定将所有600名用户迁移到微软的原因。此举是SIU更广泛的数字化转型和云迁移战略的一部分,该战略始于大约四年前,旨在将其更广泛的技术堆栈标准化。但是正如她所指出的,他们并没有完全使用云,而是采用了混合策略,因为数据主权法律和治理结构决定了他们可以/不可以在云端存储哪些信息。
进行迁移
当然,这并非易事,特别是考虑到该机构正在处理的数据量就更是如此。她表示:“绝大多数人都把他们的邮箱作为存档工具,这意味着我们的一些用户的邮箱体积非常庞大。”
虽然SIU与托管服务提供商(MSP)就迁移的配置方面进行了合作,并且该合作伙伴为他们提供了指导,但他们最终还是自己进行了实际的迁移。她表示:“我们有想要实现的内部时间表和目标,在我们向市场寻求帮助时得到的回复比我们预想的时间要长得多。”“所以我们对不同需求和最佳方法和途径进行了一些研究和测试,并成功地实现了先决条件,然后自己迁移了所有的内容。”这要求她将她的团队拆解为不同的职能部门,然后提高成员的技能,让他们专注于特定的任务,这样如果用户遇到问题,团队中的某个人就可以提供帮助并解决问题。
在内部完成一切的做法对于确保SIU的运行连续性和组织的可持续性非常重要。她表示:“这是在培养我们自己的人才和能力,让我们在未来能够更自如也更自信地开展类似的项目。”
凡事预则立
首先,他们建议业务部门存档并备份特定数据,以免在切换过程中丢失任何数据。此外,他们还必须考虑在不影响用户访问电子邮件的时间段内进行迁移。因此,他们不得不在夜间完成大部分的工作。
但是时间并不是他们面临的唯一问题。该部门还必须面对不断停电的问题——这是南非电力公司采用的一种方法,通过暂时关闭特定区域的配电来减少能源需求。这显然让数据传输过程变得更加复杂。她表示:“如果你正在迁移大量数据,这时候停电了,你就必须重新开始。”为了应对这种状况,他们密切关注停电计划,以确保数据传输不会中断。她补充表示:“这需要大量仔细的规划和同步资源才能把握好时机”,并且承认这是一个主要但可控的障碍。
事后看来,除了让用户在这段旅程的每个阶段都更积极地参与之外,Zwane的做法没什么可调整的。她表示:“在整个过程中,我们发送了很多信息,但是如果让我再做一次,我会用信息轰炸他们,因为他们并不总是会按照我们的要求行事。”她还补充表示,在迁移前的两到三个月,SIU进行了广泛的培训,但是到了真要行动的时候,有些人还是说自己没得到充分的培训。她表示:“所以我们别无选择,只能又进行了一轮培训。”“让你的用户跟上是非常重要的。沟通和变化管理会让局面大不相同。”
在Zwane看来,迁移带来的最大好处之一是它创建了一个更全面、更具有数字化能力的SIU,他们现在在一个更敏捷的平台上运行,该平台在公共和私营部门广泛使用,这意味着他们的通信工具和协议不再落后于他人。她表示:“微软的平台改变了组织的运作方式,它创造并提高了我们的生产力和效率。”“这缩短了我们调查的周转时间,并确保我们能够更有效地响应我们的任务。”
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。