企业级云服务商青云QingCloud日前宣布,同时开放两个公有云可用区——广东2区(GD2)和亚太2区(AP2)。广东2区进一步提升华南地区的基础设施规模和服务品质,实现全模云架构全面落地。亚太2区提供国际通路定点优化能力,加速助力国内企业业务出海。至此,QingCloud自营数据中心达到12个,全面覆盖华北、华东、华南,并辐射亚太地区,公有云全球版图得到进一步延伸。
广东2区是青云QingCloud第7个自营公有云可用区,基于五星级运营商数据中心构建,采用QingCloud“全模云”架构,提供多项全新产品服务,覆盖公有云、托管云、混合云等多种服务交付模式,满足用户对不同业务场景的云计算需求。广东2区的开放运营,进一步提升了华南地区的服务质量,也标志着QingCloud整体服务体系和交付能力的再次全面提升。其技术亮点如下:
亚太2区作为继亚太1区之后,青云QingCloud在香港自主运营的第二个可用区,其开放运营将大幅提升QingCloud在亚太地区的基础设施保障能力,增强面向国际市场的整体服务能力,为国内企业出海及海外本地企业提供高效稳定的云计算及网络通信服务。
亚太2区同样采用最新的系统架构,支持SDS 2.0、SDN 2.0及全闪存架构,向用户交付全系列青云QingCloud云资源及服务,同时提供托管云及混合云服务,为用户面向海外业务的定向网络通信实现优化服务。主要有以下两点优势:
通过亚太骨干网的多线BGP对接能力,青云QingCloud已经成功助力国内客户登陆东南亚市场,实现与东南亚多家本土运营商的直连,大幅提升东南亚本地用户的网络访问速度。同时,用户的业务系统也通过QingCloud骨干网建立起与国内托管云核心系统之间的稳定通信。
青云QingCloud产品兼运营副总裁林源表示,两大新区的开放运营、全模云架构的落地,不仅标志着区域服务能力的再次提升,也是QingCloud实现国际化战略的关键布局。亚太2区的开放,实现了国内外网络互联的最优化,为有出海需求的企业和海外本地企业提供定向网络优化,全面提升国际市场的服务能力。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。