至顶网服务器频道 08月24日 新闻消息: VMware公司更新了其Workstation与Fusion桌面管理程序,现在分别为版本14与10。不同于我们印象当中呆板固化的形象,此次最引人注目的新功能是Workstation中的网络延迟模拟器。该工具能够让用户通过添加潜在因素或其他负面网络条件以重现虚拟网络当中的常见问题,从而更好的测试虚拟机在现实环境将提供怎样的实际表现。
Workstation还迎来了对Windows 10 Fall Creators Update、Ubuntu 17.04与Fedora 26加以托管的能力。并且在此次升级后,Workstation可以模拟UEFI与Windows 受信平台模块。现在,Workstation还能够在虚拟机内部运行Hyper-V,这将有助于相关工作人员在Windows虚拟机上开展工作。
此外,应用程序也在以.OVF与. OVA文件形式处理虚拟机编码方面做出相应优化,这意味着其与vCenter Server Appliance的协作将更为简便。
另一在更新在于添加了一项通过vCenter或ESXi以完成虚拟机启动与关闭的功能。vSphere的新版HTML5界面除了美观之外,还能充分满足管理员市场对于更多精细工具的需求,而添加此项功能可以让Workstation成为一款更加完善的远程管理工具。该项功能还意味着虚拟管理员能够在Workstation界面保持相对较长的工作时间,而无需频繁打开新工具。
Workstation 14的完整版本定价为249.99美元,而Player--一种设计为能够让虚拟机以运行于桌面且无需管理权限的形式--定价为149.99美元。
运行于Mac上的Fusion现已获得了一个API,因此用户将可对其进行编程。这对VMware而言尤为重要--许多开发人员开始采用Docker或Vagrant,然而在构建测试环境时,这些工具需要应用甲骨文的VirtualBox。所以如果使用Mac的开发人员选择将API添加至Fusion,则意味着他们将可以在VMware的管理程序中完成此类构建。当然,这一方案并非免费:Fusion Pro定价为159美元,基础套餐为79美元。VirtualBox则免费提供。
在Workstation与Fusion产品线状况方面,VMware公司产品线营销经理Michael Roy解释称,去年被解雇的美国开发人员已经将相关工作移交至中国北京的一个团队。该团队已就管理程序提供了设计方案。他同时表示,负责开发这些工具的新团队在规模上与原美国团队保持一致。
Roy同时补充称,VMware仍将致力于开发这些产品,因为这两款产品与公司在两大维度上保持着充分的"相关性"。其一是VMware工作人员自己就在使用Workstation与Fusion--实际上该产品为vSphere的一个分支;其二则是VMware客户同样高度赞赏该产品,这也为其持续更新提供了充分的动力。正是这种需求创造了第二个相关点--保持良好的利润率。
Parallels方面
另一家桌面管理程序供应商--Parallels公司--也选择在今天面向全球发布其新产品。
该公司推出了针对Mac平台的Parallels Desktop 13,该版本增加了将Windows应用程序添加至Mac pro专配Touch Bar设计的能力,同时允许在Windows应用程序内使用触摸感应面板的功能。另外还新增一套画中画视图,确保用户即使在使用MacOS时也能够在自己的Windows中查看多个虚拟机。
该公司还推出了一套商业版本。对此,该公司表示:"IT管理员可以交付、锁定并保护一套隐形化的Windows虚拟机,并利用运行Mac Dock上选定的应用程序。"这样的操作方式听起来确实相当方便。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。