VMware近日宣布扩大其云服务产品组合,帮助客户更好地管理多云环境的复杂性与风险,同时将统一IT运维从数据中心拓展至云端。
随着云计算的使用以及与云服务供应商的频繁合作,企业经历了不同基础架构、管理工具及相关流程所带来的更高复杂性与风险。VMware估计,除其本地数据中心之外,业内近三分之二的企业将使用两家以上的云服务供应商。(资料来源:VMware Cloud Market Study,2018年1月)
VMware云服务致力于让客户获得使用任意云环境的灵活性,同时提供管理与保护云的统一运维。VMware逐步扩大的云服务组合提供了跨任意云的可视性、操作性、自动化、安全性及管理性。
VMware产品与云服务首席运营官Raghu Raghuram表示:“对于支持新应用与现有应用复杂组合的需求将推动云应用,而对于各种应用的需求则将推动云决策。当客户利用统一基础架构或运维组合进行跨云时,VMware Cloud给予其前所未有的灵活性,帮助客户开发任意类型的应用,并在任意云端部署这些应用,将其分发给任意设备。”
扩大后的VMware云服务产品组合可使各组织机构自由地使用最适合其业务的云环境,且不会增加风险与复杂性。通过把统一运维从数据中心拓展至云端,VMware将针对云使用、基础架构成本、网络性能、详细的应用监控与分析提供端到端的可视化,并在公有云之间与本地环境下实现更高安全性。
宣布的内容包括:
由VMware Certified Reference Design提供支持的VMware Cloud Provider平台是VMware业经测试、验证且高度可扩展的重要产品,用于提供至关重要的云服务供应商功能(例如多租户、自助式、可扩展的框架),并测定VMware环境,支持云服务供应商借以推销差异化服务。利用最新发布的VMware vCloud Director 9.1,云服务供应商可以将各种服务与定制工作流及用户接口(UI)可扩展性相集成,进而创造新的商业化机会;利用多站点视图与旨在简化用户体验的增强型门户来简化管理并提高运维可视化;利用新的编程接口与Kubernetes即服务功能而向开发者开放,进而以DevOps为目标捕获新的工作负载。
此外,通过实施Certified Reference Design,各合作伙伴现可获得VMware Cloud Verified标识。随着客户应用组合的转变以进入多云、多设备的世界,VMware Cloud Verified标示出了面向客户推动创新、提高效率与降低成本以加快业务增长的云服务供应商,这些供应商顺应多云、多设备环境,进行了产品组合的转变。VMware Cloud Verified标识为客户提供值得信赖的云服务供应商,这些云服务供应商正在采用最完整、最先进的VMware技术,提供跨多云的最高级别互操作性,为企业带来最大的优势。
同时,VMware宣布在AWS欧盟区(包括伦敦)推出VMware Cloud on AWS。此项公告拉开了VMware Cloud on AWS全球扩张的序幕,让欧洲与跨国客户也能够使用VMware Cloud on AWS。VMware还推出了多项新功能,用于提高基础架构可用性水平,提升存储效率,并与更多的VMware Cloud服务相集成——支持客户加速云迁移,简化混合云部署。VMware还为“VMware合作伙伴网络”增添了新力量,支持系统整合商与系统外包商(SISO)合作伙伴、托管服务提供商以及解决方案提供商借助VMware Cloud on AWS壮大其混合云业务。
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。