SUSE Enterprise Storage 6可更有效地与公共云平台集成和拥有更强大的数据保护能力,使企业能够按需使用基于Ceph技术的存储服务,赋能企业存储转型,助力客户开展创新、参与竞争、实现成长
2019年5月20日—西班牙巴塞罗那(2019年Cephalocon峰会)—SUSE发布了由Ceph 技术提供支持的最新版本软件定义存储解决方案——SUSE Enterprise Storage 6。新产品具有支持容器化云端工作负荷,更有效地与公共云平台进行整合,以及更强大的数据保护能力等新特点,能帮助IT部门顺利适应不断变化的业务需求,节省IT运营开支。
“SUSE通过SUSE Enterprise Storage等敏捷开源解决方案推动数字化转型,助力企业不断开展创新、参与竞争、实现成长”,SUSE美洲区首席技术官Brent Schroeder表示:“我们与社区共同开发创新开源技术,然后对这些技术进行测试和强化,确保其满足企业级应用要求。我们的目标是通过真正开放且统一的智能化软件定义存储解决方案实现企业的存储基础设施转型,降低成本并减少专有硬件的束缚。SUSE不断致力于将Ceph技术打造为企业能按需使用的服务和产品,SUSE Enterprise Storage 6的推出证明了这一点。”
缅因大学正在将SUSE Enterprise Storage 应用于学校的一个高性能计算环境,后者为众多研究项目提供平台。缅因大学超级计算机工程师Steve Cousins说:“SUSE Enterprise Storage显著改善了我们的深度学习项目。其中一个深度学习项目要求在单个目录中存储两百万个文件。利用SUSE Enterprise Storage技术存储这些文件,性能相比之前的存储解决方案提升10倍以上。由于SUSE解决方案具有稳定、易管理的特点,我们管理实时数据和存档数据的时间大幅缩短。有了SUSE Enterprise Storage,我们的内部团队可以将注意力全部集中在如何为学校创造新价值以及如何开展具有变革意义的研究项目上。”
SUSE Enterprise Storage 6基于Ceph Nautilus,可通过以下功能帮助IT企业顺利适应不断变化的业务需求:
此外,新解决方案还可通过以下功能帮助客户减少IT运营开支:
IDC企业基础设施项目研究主任Amita Potnis指出:“SUSE Enterprise Storage 6更加注重云端和容器,符合当前企业的发展方向。目前企业需要处理的数据越来越多,这些数据既可能推动、也可能延缓创新进程。为充分发挥云技术的优点,企业都在实施IT基础设施转型。通过消除障碍、简化云整合过程、推动快速创新,SUSE提供的软件定义存储技术为企业实施IT基础设施转型提供便利,助力企业满足自身不断变化的业务需求。”
Thomas-Krenn.AG销售副总裁Frank Feder表示:“作为一家独立的服务器制造商,Thomas-Krenn早在2015年就开始接触SUSE软件定义存储解决方案,并开发出全球首款支持SUSE Enterprise Storage的硬件设备。随着SUSE Enterprise Storage 6的发布,我们的合作关系也将更上层楼。Thomas-Krenn所有技术销售人员均已通过SUSE认证,除可提供可靠、高度可扩展的硬件之外,还可提供专业顾问服务和个性化创新解决方案,以满足客户更高的要求。”
SUSE Enterprise Storage 6将于6月发售。在提供SUSE Enterprise Storage产品的同时,SUSE还提供世界一流的支持服务和专业服务。
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。