2018年10月10日——瑞士巴塞尔(Cloud Foundry峰会)——SUSE宣布将通过SUSE Cloud Application Platform为大受欢迎的Cloud Foundry开发模式推出新的Kubernetes原生实施,进一步提升公司帮助企业加快应用交付、加速创新和提高业务敏捷性的能力。这是SUSE为了结合Kubernetes和Cloud Foundry技术并向Kubernetes用户提供顶级云原生DevOps体验而采取的最新举措。SUSE Cloud Application Platform能够通过自动化消除对构建和管理容器镜像的依赖,进而提高开发者的生产率。
SUSE将引入开源Project Eirini的技术,让Kubernetes可以作为容器编制引擎,通过Cloud Foundry部署并管理应用。Eirini允许操作员选择Kubernetes功能在SUSE Cloud Application Platform上编制应用容器,同时保留不少应用开发者都很熟悉的Cloud Foundry用户体验。
SUSE负责产品和技术项目的副总裁Gerald Pfeifer表示:“SUSE为云原生应用交付提供高生产率解决方案。我们的方法是找出领先的开源技术,然后以对客户有益的方式把它们结合到一起。今天,这就意味着将Cloud Foundry模型无人可及的生产率和SUSE Cloud Application Platform的现代Kubernetes基础架构相结合。这个特殊的组合可以帮助我们的客户降低复杂性并提高敏捷性,从而满足数字经济日新月异的需求。”
为了结合Kubernetes和Cloud Foundry,SUSE从2017年就开始着手容器化Cloud Foundry并在Kubernetes中运行。此举减小了Cloud Foundry的足迹,并提升了Kubernetes用户的管理便捷性。下一步是将Cloud Foundry的内部调度程序替换成Kubernetes,目的是为Cloud Foundry提供自上而下的Kubernetes原生实施并进一步为Kubernetes用户简化SUSE Cloud Application Platform。
云原生计算基金会执行董事DanKohn表示:“开源的最大优势之一就是由社区推动的软件发展方法,鼓励思想自由流动并激发创新。SUSE在CNCF和Cloud Foundry社区推动的协作反映出我们的共同目标:改善Kubernetes开发者和用户的体验。”
Cloud Foundry基金会首席技术官Chip Childers表示:“Cloud Foundry基金会很高兴看到SUSE为Cloud Foundry社区围绕Kubernetes平台付出的努力所做的贡献。这是开源生态系统在不同的项目、社区和技术之间牵线搭桥并催生出企业解决方案的一个实例。”
SUSE Cloud Application Platform是一款基于Kubernetes的现代应用发布平台,软件开发和运营团队用它来简化传统及新兴云原生应用的生命周期管理。该平台集合了行业领先的Kubernetes和Cloud Foundry技术,通过推动DevOps流程集成加速创新,提高了IT响应能力,并实现了投入回报的最大化。
Adfinis SyGroup AG首席执行官兼首席技术官Nicolas Christener表示:“SUSE Cloud Application Platform在Kubernetes中运行,因此对我们来说在我们的多云环境中使用相对简单。我们先在公有云Kubernetes服务上运行并测试平台,然后再部署到私有云Kubernetes基础架构中实现生产。效果真的太好了。”
SUSE计划明年推出新版SUSE Cloud Application Platform,届时将增加Cloud Foundry的Kubernetes原生实施,包括Project Eirini Kubernetes调度程序。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。