2017年2月 16日 –联想集团日前宣布选择Wind River Titanium Server作为运营商级平台,以展示和验证其网络功能虚拟化(NFV)解决方案。作为一种商用NFV基础架构软件平台,Titanium Server具有高度集成,高可靠和部署就绪的特性。联想利用Titanium Server平台,可以为客户提供经过验证的硬件和软件产品,同时能帮助服务提供商和电信设备制造商(TEM)加快NFV方案商用化规模部署进程。
目前,采用NFV技术已经成为全球多数电信运营商的关键策略。为满足电信行业“始终在线”的严苛要求,联想集团与Wind River公司合作,加入Wind River Titanium Cloud生态系统,完成了相关测试和验证流程,为运营商提供经过全面验证优化、互操作性强、易于部署的NFVI整体解决方案。双方强大的技术实力和领先的软硬件产品使Lenovo System x Server与Wind River Titanium Cloud整体解决方案成为最可靠的 NFVI解决方案之一,进而帮助服务提供商和电信设备制造商(TEM)加快NFV上市时间。通过使用Titanium Server对硬件和软件产品进行验证和预集成,企业可以为部署基于NFV基础架构的服务提供商和电信设备制造商(TEM)提供优化的解决方案。以Titanium Server作为NFV基础架构软件基础,电信行业就可以全面利用快速服务部署优势,同时确保运营商级在线时间与高可靠性。Titanium Server基于开放软件标准,包括运营商级Wind River Linux、基于实时内核的虚拟机(KVM)、运营商级OpenStack®插件、Data Plane Development Kit(DPDK)和加速的虚拟交换,且所有组件均针对英特尔架构进行了优化。
作为全球技术领先的数据中心基础设施提供商和第三大x86服务器厂商,联想数据中心业务集团(DCG)致力于为企业级客户提供先进的数据中心解决方案及产品和服务。联想System x系列服务器持续多年获得全球 x86平台服务器可用性和客户满意度排名第一,凭借高性能、高可靠性受到企业级用户的肯定。一直以来,联想积极与NFV软件厂商合作,根据NFV的应用特点,对其System x服务器进行了性能优化和定制化开发,能够满足运营商对NFV硬件平台的严苛要求,帮助运营商加快NFV方案商用化规模部署进程。
(图1:联想System x3650 M5机架式服务器)
(图2:联想Flex System x240 M5计算节点)
联想集团副总裁,中国区商用业务总经理刘征表示: “我们非常高兴能与Wind River携手,共同帮助客户快速实现部署及应用NFV的目标。自“Open+”策略发布以来,联想在全球范围内联合自身与业务合作伙伴及客户形成三重聚力,通过提供伙伴式基础设施平台和运维管理服务,一同掀起行业数字化转型的新浪潮。我们相信,通过使用联想先进的x86服务器和集成的NFV整体解决方案,以及可靠的Wind River Titanium Server平台,各服务提供商及电信设备制造商(TEM)能真正地享受到行业领先的、易部署易管理的新一代运营商级NFV解决方案,并看到NFV给自身业务带来的显著提升。”
Wind River网络解决方案业务开发高级总监Charlie Ashton表示:“现如今服务提供商正迫切寻求经过验证、可立即上市的端到端NFV解决方案。要满足这一需求,整个生态系统范围的协作至关重要。通过利用Titanium Cloud计划进行验证,我们正与联想集团等行业领导者合作,为在网络中部署NFV的服务提供商与TEM开发优化的、可互操作的解决方案。Titanium Server为运营商级NFV基础架构提供了坚实基础,同时利用其它经过预先验证的NFV组件,服务提供商可快速实现降低运营支出等目标,同时加快新的高价值服务的推出。”
好文章,需要你的鼓励
这项研究介绍了Ankh3,一种创新的蛋白质语言模型,通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务:多掩码概率的掩码语言建模和蛋白质序列补全,使模型仅从蛋白质序列就能学到更丰富的表示。实验表明,Ankh3在二级结构预测、荧光预测等下游任务中表现优异,尤其在模型未曾训练过的任务上展现出强大泛化能力,为蛋白质设计和分析开辟了新路径。
法国波尔多大学研究团队开发了一个突破性框架,用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告,并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法,这一系统能生成透明、有因果关系的解释,同时保持高诊断准确率。研究显示,通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为,包括假设检验和非线性思考,提供与临床决策流程一致的排序诊断结果。
这项研究提出了CLUE框架,首次能够生成自然语言解释来揭示AI事实核查系统不确定性的来源。与现有方法不同,CLUE能识别文本片段间的冲突与一致关系,并解释它们如何影响模型的预测不确定性。实验表明,CLUE生成的解释在三种语言模型和两个事实核查数据集上都更忠实于模型不确定性,用户评价其更有帮助、信息更丰富、冗余更少且逻辑更一致。CLUE不需要微调或架构更改,适用于任何白盒语言模型,为事实核查提供了实用支持。
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。