接下来Tom用一些典型的案例来证明IBM基础设施硬件产品的出色能力,这些案例客户包括VISA(大型主机-可靠交易)、香港无线电视台TVB(PowerSystems-社交/大数据分析)、休斯顿非营利保健机构Memorial Hermann(闪存存储)以及克罗地亚的政府IT服务商APIS IT(大型主机-移动化)。
最后Tom总结到,IBM将领企业用户针对新时代的IT选择与之相适合的基础设施,尤其是打造为分析而优化的基础架构以及混合云部署。在其背后的,则是IBM基础设施产品诸多的实力保证。比如最佳的安全性(主机)、最受欢迎的软件定义存储、更快速的数据洞察(PowerSystems+DB2 BLU)等等。
在Tom之后上台的是IBM副总裁,来自IBM研究院计算即服务部门的David McQueeney博士,由他对IBM在计算领域的研发重点进行了阐述,由此也可看出IBM对于硬件发展的态度。David明确了新时代下IBM计算平台的5大创新方向:领先的处理器、以数据为中心的系统、云创新、安全智能和认知计算。
在处理器方面,IBM的System z主机CPU与最新的POWER8处理器各领风骚,其中z主机CPU拥有业界最高处理性能。而POWER8的开放化战略(OpenPOWER基金会已经拥有61家会员)带来了更多的想像空间与发展可能,目前CAPI(一致性加速处理器接口)是最大亮点,未来还将有非IBM的POWER处理器。
在“数据中心化系统”方面,I未来CPU、内存、存储入手,都将具备更好的处理数据的能力与环境,而当系统整体完全以数据为中心而优化时,也将大大提升计算水平。以科学计算举例,目前系统可达20P的计算能力,而完全的数据中心化后将达到200P,并为进一步的性能提升提供可能。
好文章,需要你的鼓励
Qualys首席执行官Sumedh Thakar提出,将传统主要用于被动响应安全事件的SOC升级为基于风险管理的ROC,通过聚焦关键风险而非海量安全扫描,帮助公共部门更高效、低成本地降低潜在威胁。
这项研究展示了如何通过在经济问题上进行后训练,让大语言模型像经济学家一样思考,从而实现战略性泛化能力。研究团队开发了名为Recon的7B参数开源模型,通过在2,100个高质量经济推理问题上进行监督微调和强化学习,不仅提升了模型在经济基准测试上的表现,更重要的是让模型在从未直接训练过的多智能体博弈中展现出合理的战略行为。结果表明,领域对齐的后训练可以作为智能体对齐的可扩展路径,通过结构化推理问题培养出更广泛适用的理性决策能力。
全球经济正处在自动化与 AI 推动的巨大变革关口,大规模就业受冲击,而普遍基本收入(UBI)有望稳定社会、激发创新,促进经济持续健康发展。
STORM框架是一种创新的对话系统研究方法,通过模拟用户和AI助手之间的信息不对称来解决意图触发性问题。研究发现中等程度的不确定性(40-60%未知信息)在某些情况下能够优于完全透明,挑战了传统的AI设计假设。通过对四种主流语言模型的测试,团队确定了不同模型在处理用户意图形成过程中的独特特点,为任务导向对话系统设计提供了实用指导。这项研究对隐私保护设计和偏见缓解具有重要启示,表明信息的战略性限制可能比信息最大化更有效。