光大银行通过分行二级资源池项目将分行所有资源纳入云管理平台统一管理,与前期建设的总行一级资源池,共同形成创新性的总分两级资源池。
为保证分行二级资源池可落地性,匹配分行简化运维、提升可用性和可靠性需求角度考虑,针对分行二级资源池使用的超融合基础架构设备构建IT系统,提升IT系统的资源利用率,经过综合评估后,采用华为融合架构方案构建分行二级资源云。
在项目建设之初,光大银行制定了项目目标,从16年8月起,到12月初完成全国39个站点的实施,实现:
通过分析,项目困难主要集中在:
(1) 时间紧,不到5个月时间,去除国庆、年底封网等,有效时间不足三个月;
(2) 任务重,涉及部全国39个站点,230节点,5000多CPU规模融合架构环境部署,以及现网业务迁移。
(3) 环境复杂,分行网络等基础设施涉及多品牌、多型号,整体差异较大;
(4) 对人员综合技能要求较高,但分行人员水平及数量不一,分行科技人员对华为产品的熟悉程度不尽相同;
为实现项目目标,华为立项为重大项目,联合光大成立联合项目组,建立分层分级沟通机制,紧密配合,制定详细合理进度计划,通过环境调研、规划设计、试点实施、培训、全行推广、数据迁移六大过程,并加强实施过程中的指导和监控,通过进度计划管理、问题风险管理及需求管理的例行进行,保证了项目平稳有序执行及结果可控。
在执行过程中,通过环境调研,考虑安全性、可靠性、可用性、扩展性及可维护性,量身定制合光大的设计方案;通过集中评审对设计方案和投产实施控制表进行检查和评审;制定标准的实施指导文件,针对分行试点部署过程遇到的历史问题进行分析回顾和对比检查进行问题回顾,总结经验并修正文档;对产品及项目情况在实施前进行统一培训,提升分行客户对项目的熟悉度和技术能力;通过供应链预安装配置,实施前网络、机房环境等基础条件的检查,使分行部署简化,提前规避问题;通过制定质量标准,输出测试用例,代表处自检,数据中心项目组验收等手段,充分验证和测试,保证施工效果。
经过联合项目组的共同努力,达成了以下成果:
项目最终按计划完成建设任务,达到建设目标。在整个项目建设过程中,华为公司人员加班加点,充分体现了以客户为中心,艰苦奋斗的精神,得到光大银行人员的一致认可和表扬。
时间就是金钱,效率就是生命,通过华为规范化、专业化的项目管理,组织遍布全国的交付服务资源,使超融合架构以及更多的新型的金融解决方案,能更快、更广的为客户带来便利、降低成本、创造价值。
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。