HPE今天宣布收购总部位于英国的咨询公司RedPixie,该公司主要致力于帮助企业将运营迁移到公有云上。
HPE希望通过这次收购加强自己的Pointnext专业服务业务。此前HPE在去年9月收购了另一家云计算咨询公司——位于美国马萨诸塞州的Cloud Technology Partners(CTP),交易金额未对外透露。
RedPixie所专注的范围比这家公司更窄一些。CTP的专业领域覆盖了所有主要的基础设施即服务平台以及OpenStack数据中心操作系统,而RedPixie更擅长涉及微软Azure云的项目。
RedPixie为有兴趣采用自己平台的企业提供各种服务。RedPixie在公司网站上详细介绍了自己可以处理哪些传统咨询项目,例如应用和数据库迁移,以及一些更雄心勃勃的举措。
RedPixie另一个特别关注领域是基于云计算的数据科学。RedPixie表示,他们的工程师可以帮助企业利用Azure的分析、机器学习和连接设备管理服务来处理各种商业信息。 RedPixie还提供在初始设置后支持客户的数据科学环境,以确保一切顺利运行。
RedPixie带来的专业知识将会使HPE Pointnext更好地竞争Azure项目。RedPixie有令人印象深刻的业绩,特别是与会计巨头毕马威会计师事务所(KPMG LLP)等知名客户的合作。
和收购CTP一样,HPE并没有透露这次收购的交易金额。但考虑到HPEs似乎将其云计算咨询业务置于重要的战略位置,所以收购价格可能是相当可观的。HPE在收购公告中特别提到了麦肯锡的研究结果:“混合IT咨询和云原生开发”这个细分市场的年增长率超过18%。
好文章,需要你的鼓励
这项研究提出了HoPE(混合位置编码),一种针对视觉语言模型的新型位置编码技术,专门解决长视频理解的挑战。传统位置编码技术在处理长视频时表现不佳,HoPE通过两个创新解决了这一问题:混合频率分配策略(为空间信息分配高频,时间维度使用零频率)和动态时间缩放机制(根据视频速度灵活调整时间编码)。实验证明,HoPE在长视频理解和检索任务上分别提升了8.35%和22.23%,为AI更准确理解长视频内容开辟了新途径。
东京大学研究团队推出MangaVQA基准和MangaLMM模型,专门用于评估和提升AI对日本漫画的理解能力。MangaVQA由526个高质量手动创建的问答对组成,用于评估AI系统对漫画内容的深入理解;MangaOCR则专注于漫画页内文本识别。基于这两个基准,研究团队从开源多模态模型Qwen2.5-VL微调出MangaLMM,能同时处理文本识别和内容理解任务。实验显示,即使是GPT-4o等顶尖商业模型在处理漫画的独特复杂性时也面临挑战,而专门训练的MangaLMM表现出色。
这项研究由ISTA和谷歌研究院联合开发的"影响力蒸馏"方法,通过利用二阶信息为训练样本分配最优权重,实现了大语言模型训练数据的高效选择。该方法在数学上有坚实理论支持,并创新性地引入"地标"近似技术,仅需计算少量样本的精确影响力,再高效传播到其他样本,大幅降低计算成本。实验证明,该方法在多种模型和任务上均优于或匹配现有技术,同时实现了高达3.5倍的速度提升,为大模型训练开辟了更高效的路径。
来自哈佛大学等顶尖学府的研究团队在这篇论文中挑战了传统观念,认为Token压缩不仅仅是提高AI模型运行效率的工具,更应成为生成式AI模型设计的核心原则。研究表明,精心设计的Token压缩策略可以促进多模态深度整合、减轻AI"幻觉"问题、增强处理长序列输入的能力,并提高训练稳定性。论文详细分析了现有方法的局限性,并提出了算法创新、强化学习指导和硬件协同设计等未来研究方向。