Splunk>Next技术扩大对数据的访问,通过流分析、数据结构搜索和互联体验赋能用户
中国,北京——2018年10月9日——致力于将数据转化为行动和价值的Splunk公司宣布助力客户以数据驱动未来业务发展的技术和产品愿景。凭借在机器学习、性能和规模方面进行的一系列创新,全新版的Splunk Enterprise和Splunk Cloud更容易提出问题,实现实时洞察并采取精准应对措施,通过访问不同位置和规模的数据,来提升业务成果。目前,Splunk Enterprise 7.2现已全面上市。
Splunk公司总裁兼首席执行官Doug Merritt认为:“当前正处于数据变革时期,Splunk产品的更新可确保Splunk平台处于业界领先地位,无论哪个企业、机构或数据集,我们均能交付良好的业务成果。目前有两种公司:用数据记录事件的公司和通过数据来做事的公司。Splunk业界领先的平台在机器学习、性能和调查方面的不断创新,帮助我们的客户能根据最新需求快速应对,同时我们的产品路线图将帮助人们改变对可实现目标的看法。”
嘉年华邮轮公司(Carnival Cruise Line)高级副总裁兼首席信息官Sean Kenny表示:“我们一直在找寻能满足甚至超越客户期望的技术,而Splunk让我们主动出击为客户创造出难以置信的非凡体验。旅游业正在被数字化重塑。Splunk让我们收集数据后便可在多个方面运用。帮助团队让客户由网上计划邮轮旅程开始直到登船后所享受的服务均可获得最佳体验。”
在.conf18大会上,在近10000名Splunk客户和合作伙伴的见证下,Splunk公司总裁兼首席执行官Doug Merritt和首席技术官Tim Tully宣布推出Splunk>Next。Splunk>Next是一系列不断发展并极具远见的技术,它将把Splunk的强大功能带给更多数据源和所需的人,当他们无论在何地、何时以及何种方式访问数据时,均可确保成功访问,获得无限洞察。目前,这些创新正通过Beta测试计划提供,包括:
Splunk公司首席技术官Tim Tully说:“Splunk基于强大技术支持构建未来平台。我们的产品愿景旨在让Splunk无处不在,惠及每一位客户,将整个产品组合中的人工智能和机器学习无缝地融入客户的业务,以发挥数据的最大价值。目前,Splunk正在通过流数据、静态数据、来自任何来源的数据,在您想要用来采取行动的任何设备上实现这一目标。”
由于Splunk的广泛合作及强大的生态系统,Splunk Cloud和Splunk Enterprise扩大了客户在技术和数据源的投入。现在客户可以将任何格式、状态和位置的数据自由移入或者移出Splunk平台。全新的功能包括:
移动运营商T-Mobile网络服务管理与客户解决方案高级总监Jonathan Silberlicht认为:“我们始终寻求更新、更好地方法来改进客户体验,而Splunk在其中发挥关键作用。全新的Splunk Enterprise对机器学习功能的改进,T-Mobile能够为客户交付更好的体验,帮助我们的客服和零售团队实时监测系统和服务的运转情况,轻松管理启动新电话以至缴款的一切流程,确保网络服务的卓越体验。”
Zeppelin GmbH公司数据分析经理René Ahlgrim表示:“充分利用Splunk机器学习工具包(MLTK),我们创建了一个机器学习模式,让我们及早检测到计划外故障,极大地节省了成本。通过机器学习和各种来源生成并采集到的机器数据,可以识别异常活动,进行探索、测试并验证不同模型后做出应对措施。凭借Splunk Enterprise的机器学习,帮助我们缩短了维修时间,降低了整体维护成本,并带动了巨大的业务影响。”
Splunk Cloud和Splunk Enterprise可以近乎实时的速度管理数以万亿计的事件,同时保持性能稳定和控制成本。其新功能有:
国际汽车零售解决方案的领先供应商Cox Automotive (Manheim)公司企业日志经理Steven Hatch表示:“在日益严格的监管和合规环境中,全新的Splunk Cloud中的突破功能,帮助我们能够以较高的成本效益满足新的业务需求。快速调用数据进行审计和安全调查的能力,可以节省大量采集数据的时间,这样我们就可以花更多的时间来进行调查并采取行动。”
Splunk Cloud和Splunk Enterprise让企业或机构内更广泛的人群能够调查其所需的数据,从而为所有业务领域提供广泛地可行性见解,收获极具影响力的业务成果。
Splunk拥有一个完整的隐私和安全计划——Splunk Protects,旨在保护客户的数据机密性。Splunk Cloud现已通过认证,符合新的合规证明:PCI DSS(支付卡行业数据安全标准)和HIPAA(健康保险可移植性和责任法案)安全标准。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。