至顶网服务器频道 11月09日 新闻消息:
从多个消息渠道获悉,惠普企业(HPE)正在计划与WekaIO合作,以增强旗下超级计算和HPC文件系统的功能。
Qumulo在此之前已经与HPE有合作关系,Qumulo的核心软件在HPE的Apollo服务器上运行,重点放在企业级HPC应用程序上。我们曾报道过Qumulo软件在Apollo 4200服务器上运行时可生成Dreamworks特效。
我们的印象是,WekaIO文件系统软件可用于纯HPC用例,扩展性更大,比Qumolo的Core软件执行速度更快,但进一步确认这一点仍需基准数据。
WekaIO在本月9日至11日在丹佛举行的HP- CAST上安排了两场活动。而且,WekaIO从13日到16日还将出现在丹佛的2017年超级计算(SC17)会议的HPE展台上。
预定站台的是WekaIO联合创始人兼首席技术官Liran Zvibel:预计他将介绍以下的领域:
加速HPC工作负载的下一代NVMe原生并行文件系统
机器学习的重新计算绑定
Weka 上个月曾表示将在SC17会上宣布一项OEM交易。
我们知道HPE将为WekaIO的Matrix产品颁发HPE的Apollo HC服务器系列的证书。 HPE拒绝发表评论。
我们的评论
梅格·惠特曼(Meg Whitman)的经大幅瘦身后的HPE与存储公司和其他科技公司存在两个层次上的合作关系。一方面HPE爱死了这些公司,最后会买下他们;SimpliVity和Nimble是很好的例证。
另一方面,HPE也有一些友好的合作伙伴和OEM,不至于去收购他们,Qumulo、Scality和WekaIO是例子。在两种情况下,HPE都在旗下的服务器上运行这些供应商的软件。
HPE与Qumulo和WekaIO的合作伙伴关系有助于HPE强化旗下的文件技术,以对抗对手的竞争套件,如戴尔EMC的 Isilon(Qumulo)和Elastifile(WekaIO)。
好文章,需要你的鼓励
这项研究揭示了大语言模型在学习推理时对噪声奖励的惊人适应力。研究表明,即使有40%的奖励信号被故意颠倒,Qwen-2.5-7B模型仍能将数学题准确率从5%提升至72%。更惊人的是,仅奖励模型使用关键推理词组(如"首先,我需要..."),而不验证答案正确性,也能达到70%以上的准确率。研究者提出的推理模式奖励(RPR)不仅能让模型在数学任务中表现出色,还能有效校准开放性任务中的噪声奖励模型,提升较小模型的推理能力。这表明大模型在预训练阶段已掌握了推理能力,强化学习主要帮助它探索有效的推理模式。
大模型时代,玛丽·米克尔(Mary Meeker)的名字可能大家不一定熟悉,但是在互联网时代,这位被可被誉为“互联网女皇”的。她是美国风险投资家和前华尔街证券分析师,专注于互联网及新兴技术领域。玛丽·米克尔(Mary Meeker)发了一份340页的《人工智能趋势报告》,粗粗看了一下,并没有非常轰动的观点,但是数据比较全面
Yale大学自然语言处理实验室研发的Table-R1模型突破性地将推理时间缩放技术应用于表格推理任务。研究团队通过两种方法提升模型能力:从DeepSeek-R1模型的推理过程中学习,以及利用可验证奖励进行强化学习。实验表明,即使使用仅有7B参数的模型,Table-R1-Zero也能在13个表格推理基准测试中媲美甚至超越GPT-4.1等大型模型。该研究不仅证明了中小规模模型通过适当训练也能实现出色表现,还为数据分析、科学研究和决策支持系统等实际应用提供了新可能。