Akamai与IBM宣布,Akamai内容交付网络(CDN)功能现已在IBM Cloud上推出。作为IBM Cloud内容交付网络的一部分,该新产品旨在优化那些通过云来部署和交付内容及应用程序的性能。
从电子商务到金融和媒体,各行各业都需要随时,特别是在需求达到峰值时向终端用户快速、可靠地交付例如视频、Web内容和移动应用这样重要的内容。为满足这一要求,Akamai和IBM携手提供了一种全新的、可在IBM Cloud上配置和部署的内容交付网络服务。
为了提高交付速度和性能,该全新服务将Akamai的全球网络节点(遍布131个国家和地区的近1700个网络)与IBM的全球云部署(遍布19个国家和地区的近60个云数据中心)相结合。这种强强结合可以让用户在网络边缘存储内容,帮助他们更快速、更一致地将web内容、媒体和应用程序交付给终端用户。
IBM Cloud总经理Faiyaz Shahpurwala介绍称:“企业越来越依赖于云将各种关键业务应用程序传输和交付给其用户。通过结合IBM Cloud的全球性部署以及Akamai的交付和优化功能,我们正在为企业提供其市场创新和交付更出色客户体验所需的工具。”
Akamai Web部门总裁兼总经理Rick McConnell表示:“云几乎能够为企业带来无限好处。随着越来越多的业务关键型工作负载迁移至云上,企业希望在支持其应用程序的规模、性能和安全方面都能得到保障。加入云生态系统非常令人开心,我们期待Akamai与IBM能进一步加强合作,帮助我们共同的客户实现目标。”
IBM既是Akamai时间最久的全球合作伙伴,也是Akamai Web性能与安全解决方案的固定经销商。通过将Akamai技术直接提供给IBM Cloud的客户,两家公司正在帮助企业优化其应用程序的性能,最终加快产品上市时间并改善终端用户体验。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。