不论公有云、私有云,企业均可拥有高度安全、稳定可靠的多云架构
2019年3月,北京——日前,IBM与腾讯云TStack共同宣布,IBM LinuxONE与腾讯云TStack通过兼容性认证。包括PoC兼容性验证测试在内的一系列严谨论证表明,腾讯云TStack基于OpenStack的开源架构可以完全兼容LinuxONE并纳入统一管理,这意味着企业不仅能在公有云领域拥有高度安全、稳定可靠的多云架构平台;在私有云领域,企业也被赋予了更为灵活弹性的安全选择,全面云服务生态正在加速到来。
随着人工智能、云计算、物联网、区块链等技术在各行各业的渗透,企业在数字化转型过程中,对外需要满足客户需求,应对市场竞争,对内需要加强创新,优化组织人员架构,因此对于自身的信息系统提出了非常高的要求,业务永续成为企业刚需,系统瘫痪和服务器宕机风险需要最小化甚至实现杜绝。
作为安全、可扩展且极其高效的高端企业级Linux 服务器,IBM LinuxONE具备虚拟化整合能力、强大的I/O性能与极高的安全性、可拓展性以及RAS (可靠性、可用性和可服务性),能充分满足企业关键业务和数据库平台对底层IT架构的高标准需求。
作为腾讯云基于自身强大技术能力和海量运营经验推出的私有云平台,腾讯云TStack采用基于OpenStack的开源架构,能够提供集IaaS、PaaS和SaaS为一体的综合云服务解决方案,拥有大量私有化部署经验,具备混合云管理能力和高稳定性、统一管理、可视化运营等特点,可助力政企构建稳定安全的云环境和健康的云生态。
IBM LinuxONE与腾讯云TStack的互认证需通过一系列严谨缜密的兼容性测试。腾讯云TStack基础云纳管LinuxONE作为计算节点后,就计算、存储、网络各个功能模块进行过全面兼容性测试,测试重点围绕虚拟机生命周期和虚拟机网络展开。最终的测试结果表明,腾讯云TStack基础云平台可兼容和管理IBM LinuxONE服务器,一方面证明了腾讯云TStack开放兼容的架构能够给用户更多选择;另一方面,依托 LinuxONE的优异性能,腾讯云TStack性能如虎添翼,发挥更优能力。
这为腾讯和 IBM 在未来可能的合作奠定了坚实基础,也为腾讯云的关键业务和平台架构选型增添了更多选择,如共同推进云计算行业的生态建设,为政府企业提供安全可靠的产品服务,用技术为客户构建更稳定、更安全,更多选择的云环境。
伴随着此次合作的,是企业进入数字化重塑2.0阶段这一大背景,80%的关键性应用需要迁移到云上,混合云是必然趋势,而安全更是重中之重。IBM LinuxONE“为云就绪”,并能帮助企业降低总体拥有成本,适用于承载企业和政府的关键应用和数据库平台。
借助安全服务容器(Secure Service Container, SSC)服务,IBM LinuxONE可以保护客户的系统与数据免受外部与内部数据泄露等威胁。同时,IBM LinuxONE的普遍加密(Pervasive Encryption)功能可以帮助用户显著降低风险并简化合规性,无论数据位于应用程序、数据库或云服务还是其它地方,普遍加密都能对正在使用或存储的所有数据进行加密。IBM硬件系统独特的多层安全功能可以根据企业组织的需要进行扩展,并为新的信息安全保护规范做好准备,保护在多云架构中的数据并减少审计过程的负担。
过去一年中,LinuxONE在中国本地市场获得了高速增长。IBM副总裁、大中华区硬件系统部总经理侯淼表示:“LinuxONE的高安全、高可靠、高扩展和开放等特点,能为企业关键业务提供最强的IT基础支持和最高级别的安全保障。致力于‘就绪今日,架构未来’ 的IBM现代基础架构具有承载重要关键任务、敏捷部署、高度安全三大关键特色,在多云的环境中能为企业提供整合性解决方案,全面满足企业实际业务需求的云平台,并赋能云上的人工智能、大数据分析、区块链等前沿应用。”
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。