在过去的几年里,Rackspace从与AWS和其他主要云计算公司竞争脱离出来,转而以专业服务提供商的身份与他们积极合作。现在Rackspace希望通过新的收购扩大自己在云生态系统中的角色。
Rackspace近日宣布已经收购了RelationEdge——一家专注于帮助企业建立和运营Salesforce.com部署的咨询创业公司。
除了市场领先的客户关系管理平台之外,Salesforce.com还提供广泛的其他服务,涵盖营销和技术支持等多个领域,而将所有这些与企业需求相匹配的定制部署是一项复杂的任务。位于圣地亚哥的RelationEdge公司正是为客户承担这些繁重的工作。
这家咨询公司还可以在初始设置后维护Salesforce部署,并为企业提供一套在线营销服务。自2013年成立以来,RelationEdge已发展到125名员工,分布在十几个城市。
这家初创公司的能力将让Rackspace可以更好地覆盖利润丰厚的软件即服务市场。根据IDC的预计,今年SaaS将占到全球云支出的近三分之二,仅Salesforce的CRM服务等应用就要占到全球总额1600亿美元的一半以上。
Rackspace的雄心壮志也延伸到了传统软件领域。在宣布收购RelationEdge的一年前,Rackspace收购了TriCore Solutions,这家公司专门管理SAP SE和Oracle应用部署。
Rackspace没有公布这两笔交易的财务条款。不过,Rackspace表示RelationEdge将继续以“相当独立”的品牌和领导力团队运作。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。