可信的企业人工智能数据公司肯睿Cloudera 于今日发布两款全新 Cloudera Observability Premium 产品,以简化和自动化平台管理。这两款高端产品可以为所有云端和本地数据中心提供统一的观测功能。
当前,随着生成式AI等技术的快速发展,以及数据隐私和安全法规的陆续出台,企业对数据来源和工作流程的全方位可见性需求也日渐提高。肯睿Cloudera 经过扩展的Cloudera Observability套件支持拥有高度安全网络的企业在其数据中心或公有云上实现观测功能。
Cloudera Observability套件的两款全新解决方案包括:
两款新产品将支持企业充分利用各种高端功能,例如对Data Hub集群、作业和查询的实时监控、利用新成本因素、容量预测、工作负载视图、警报和自动化操作进行财务管理,以及利用冷热表分析进行数据观测等。这些功能将更大限度地发挥投资的作用、简化自助式故障排除,并提高资源成本和使用情况的可见性。
行业分析师Sanjeev Mohan表示:“实时关联和上下文信息是识别优化点、潜在瓶颈,以及提出规范性建议的关键所在。实施先进的观测功能对企业至关重要,因为这些功能可提供实时系统洞察,支持企业提前解决问题并提升自身的平台安全性,最终实现安全运营。通过为跨本地和公有云的全新混合数据观测功能建立一个新标准,Cloudera Observability产品将助力企业能够顺利解决这些问题。”
此次发布的产品是Cloudera Observability的重要扩展,旨在持续发现和采集企业在肯睿Cloudera环境中运行的应用、服务和基础设施组件的性能遥测数据。
肯睿Cloudera首席产品官Dipto Chakravarty表示:“当今企业面临着优化数据资源管理和在整个组织内高效利用数据的巨大压力。Cloudera Observability可帮助企业更大限度地提高成本效益、增强性能并获得智能洞察。新增的高级功能可助力企业深化洞察,并进一步践行我们帮助客户重新掌控数据、分析和AI的承诺。”
肯睿Cloudera大中华区技术总监刘隶放表示:“肯睿Cloudera将继续致力于为中国市场的客户提供更贴近本地需求的解决方案,助力其数字化转型之旅。近年来,随着数字经济的迅猛发展,中国对数据隐私与安全的监管力度的不断加强,企业对数据资源管理的要求也随之提高。Cloudera Observability的新功能,不仅提供了实时的系统洞察,更帮助企业提前识别并解决潜在问题,从而提高运营效率和安全性。”
好文章,需要你的鼓励
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。
FLAME-MoE是卡内基梅隆大学团队开发的首个全透明混合专家语言模型研究平台,包含7个规模从3800万到17亿活跃参数的模型。它采用每层64位专家、top-8选择和2位共享专家的架构,公开所有训练数据、代码和检查点。实验显示,FLAME-MoE比相同计算量的密集模型提升3.4个百分点,并揭示了三个关键发现:专家逐渐专注于特定词汇子集,专家协同激活保持稀疏多样,路由行为在训练早期就趋于稳定。这一平台为MoE模型的系统研究提供了前所未有的开放基础。
这篇论文介绍了ModernGBERT,一个由维尔茨堡大学研究团队开发的高性能德语编码器模型家族(1.34亿和10亿参数版本)。研究将ModernBERT的创新架构应用于德语,同时通过LLM2Vec方法将德语解码器模型转换为编码器以进行对比研究。在SuperGLEBer和MTEB等基准测试中,ModernGBERT 10亿参数模型不仅超越了之前最先进的德语编码器,还在性能和参数效率方面优于转换后的编码器。研究团队还证明了更大模型能有效利用大规模单语语料库,为德语自然语言处理提供了全透明、高性能的资源。