近日,全球开源软件先锋SUSE公司宣布与国际知名的信息通信网络产品与解决方案提供商烽火通信科技股份有限公司(以下简称“烽火通信”)签订合作备忘录,共同成立烽火SUSE联合实验室。此联合实验室是国内首家云存储联合创新及认证实验室,并率先通过了SUSE在中国地区的官方认证,具有对其它硬件厂商基于SUSE的兼容性认证资质。
烽火SUSE联合实验室集合了两家公司各自的核心优势,强强联合,将重点致力于加强双方在ICT领域的影响力和服务能力。此外,联合实验室不仅是烽火SUSE联合最佳实践方案中心,同样也是ICT综合解决方案验证展示中心。同时,联合实验室还将承担重大项目的POC验证的职责。
作为开源软件行业的领导者,SUSE凭借25年出色的工程设计、杰出的服务、和无与伦比的合作伙伴生态系统,为各行各业的企业客户提供了强大的产品和支持服务,帮助客户管理复杂IT环境、降低维护成本,安心管理关键业务。2016年11月,SUSE宣布收购HPE OpenStack云计算产品技术和团队,成为OpenStack领域重要的领导者。SUSE坚持为用户提供可靠、稳定的Linux操作系统以及基于云基础设施的服务,以开放的心态为用户提供服务。
烽火通信是国内优秀的信息通信设备与网络解决方案供应商,同时也是国家科技部认定的国内光通信领域唯一的“863”计划成果产业化基地。公司的主营业务立足于光通信,并深入拓展至信息技术与通信技术融合而生的广泛领域,长期耕耘国内、国际的运营商和信息市场。现在,烽火通信成为国家基础网络建设的主供应商,产品类别涵盖光网络、宽带数据、光纤光缆三大系列,并且已跻身全球光传输与网络接入设备、光纤光缆最具竞争力企业10强。
在“互联网+”时代,所有企业共同面临着重构核心竞争力的挑战,业务创新的需求驱动企业采用更加敏捷、高效的ICT设施,越来越多的企业业务向云平台迁移。毋庸置疑,基于云计算的云存储也在深刻地改变着所有产业的发展格局。CT与IT融合成为热点话题,我们即将迎来ICT融合时代。同时,依靠云存储而发展的ICT技术在为产业链上下游企业带来各式各样的挑战的同时,也带来了前所未有的机遇。
SUSE公司副总裁,亚太区及日本总经理江永清表示:“SUSE凭借25年的出色工程设计与杰出的服务,持续不断的在探索中谋求创新,以适应不断变化的企业级计算需求和技术应用,在动态的环境中帮助企业提高敏捷性、降低成本和管理复杂度。随着云技术的不断发展,SUSE顺应历史发展的脚步,投身与云存储与ICT技术的发展当中。此次十分荣幸能够与中国知名的网络解决方案提供商烽火通信开展合作。我们与烽火通信展开合作、成立云存储联合实验室,一方面,可以充分借助SUSE在众多行业的成功应用,使得烽火通信的产品发展得到不断地完善和突破;另一方面,烽火通信利用先进的ICT技术帮助SUSE实现市场的扩展,势必能提高我们双方对于ICT产业的服务能力,将SUSE和烽火通信的各类优质资源进行共享和集成,实现优势互补、合作双赢,全面提升双方的创新能力。”
烽火通信副总裁何建明表示:“烽火通信作为信息通信领域的重要参与者和构建者,一直积极适应客户网络建设的新思路以及新需求,在云计算以及行业应用软件领域,烽火通信投入了大量资源,增强了ICT服务能力。此次通过与SUSE的合作,共建联合实验室,将结合烽火通信的产品技术实力与SUSE的综合解决方案能力,共同为市场提供优质的服务,互利共赢,研究并推动云计算、云存储在中国乃至亚洲、世界领域的发展。”
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。