富士通实验室正在努力满足在处理分析工作负载的大数据系统中加快处理速度的需求。
近日富士通表示,已经开发了一项新技术可以帮助在分布式存储系统中高速处理大数据,并且信息是保存在多个驱动器中的。这项新技术是在开源Ceph分布式存储框架上实现的,富士通认为它可以很好地运行以消除服务器尝试从这些存储系统读取数据时出现的瓶颈。
富士通工程师在博客文章中谈到了所谓的“Dataffinic Computing”技术,他表示,存储和服务器之间流动的大量数据是分析系统延迟的主要原因。但是通过在存储中处理这些数据,他们认为这样可以加快速度,因为不需要先移动数据。
Dataffinic Computing通过网络连接多个服务器,同时保持原始存储功能。富士通说,这种方法分解了非结构化视频和日志数据,让所有数据都更容易访问和压缩。
“这意味着分散于分布式存储中的数据可以单独处理,保持访问性能的可扩展性,并提高整体系统性能,”富士通的工程师声称。
富士通的系统还可以预测在分析数据时维护数据所需的存储资源需求。
“存储节点面临各种系统负载以安全地维护数据,包括错误后的自动恢复处理,添加更多存储容量后的数据重新分配处理,以及作为预防性维护一部分的磁盘检查处理,”富士通的工程师写道。“该技术模拟了存储系统中出现的系统负载类型,预测了不久将来所需的资源。基于此,该技术控制数据处理资源及其分配,而不会降低系统存储功能的性能。”
富士通表示,Dataffinic原型系统包括5个存储节点和5个服务器,由一个千兆网络连接。工程师们通过从50GB视频数据中提取出例如人和车等对象来测量其数据处理性能。
工程师表示,Dataffinic系统可以在50秒内处理这些数据,这比使用传统方法处理数据所花费的500秒缩短了10倍。
“这项技术可以实现对爆炸式增加的数据进行可扩展和高效的处理,”富士通工程师这样表示。
Constellation Research分析师Holger Mueller表示,富士通的这项新技术可能很有用处,因为存储对于依赖大数据的下一代软件应用来说至关重要。
Mueller说:“企业需要坚持数据进行时间分析、记录保存和法定监管。因此,存储硬件制造商必须创新,应对必须存储和处理的越来越多的数据。很高兴看到研发投资带来了新的高性能存储选择。”
下一步将是通过商业应用验证该技术。如果运行可靠的话,富士通计划在2019年之前将基于该架构的新产品推向市场。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。