企业级全栈云ICT服务商青云QingCloud日前宣布,推出全新升级的青云QingCloud MySQL Plus云数据库。MySQL Plus云数据库提供了高可用、高性能数据库服务能力,并具备安全、自动备份、监控告警、自动扩容等完备的管理功能。此外,MySQL Plus还推出针对不同企业场景的版本配置,助力全类型企业开启数据库上云时代。
早在2014年9月,青云QingCloud就推出了基于MySQL的数据库服务,支持主从同步、自动备份和在线扩容。2017年6月,青云QingCloud推出升级版的MySQL Plus服务以保证金融级数据强一致性。同年Cloud Insight云计算峰会上,青云QingCloud发布了基于MySQL自主研发的新一代分布式关系型数据库——RadonDB,以承载企业PB级核心数据。此次MySQL Plus全新升级是青云QingCloud从用户需求出发,进一步满足不同数据库应用场景,提升企业数据库的上云体验。
此次,青云QingCloud MySQL Plus在原有基础上全新升级,支持在线升级、自动扩容特性,并推出单节点基础版、双节点高可用版及三节点金融版,可以满足不同用户对不同数据库场景的需求:
MySQL Plus云数据库正在通过QingCloud AppCenter交付使用,并增加预留资源计费方式,支持1个月到3年的预留资源,用户根据自身IT需求进行合理规划,预留时间越长,相应的折扣优惠就越高,最低4.5折起。
好文章,需要你的鼓励
亚利桑那州立大学的研究团队开发了RefEdit,这是一种新型图像编辑AI系统,能够准确理解和处理指代表达(如"中间那个人"、"右边的猫")。通过创建RefEdit-Bench基准测试,研究者们证明现有模型在多物体场景中表现不佳。他们设计了一种创新的数据生成流程,仅用2万样本就训练出的RefEdit模型超越了使用数百万样本训练的大型模型。这一突破使AI图像编辑在复杂场景中更加精确和实用。
这项研究提出了Critique-GRPO,一种创新的在线强化学习框架,将自然语言批评与数字反馈相结合,克服了传统仅用数字反馈的三大局限:性能瓶颈、自我反思效果有限和顽固性失败。实验表明,该方法使大语言模型能够从错误中学习并改进,在八项数学和通用推理任务中,将Qwen2.5-7B和Qwen3-8B模型的平均通过率分别提高了约4.5%和5%,超越了包括那些引入专家示范的方法。研究还揭示,高熵探索和长回答并不总是最有效的学习方式,质量更重要。这一方法为大语言模型的自我提升能力开辟了新路径。
这篇研究介绍了"量化LLM评价者",一个创新框架,能使大型语言模型(LLM)在评估其他AI输出时更接近人类判断。由麻省理工和Adobe联合研发的这一方法,将评估过程分为两个阶段:先让LLM生成文本评价,再用轻量级机器学习模型将这些评价转化为更准确的数值评分。研究提出了四种评价者模型,适用于不同评估场景,实验表明它们不仅能显著提高评分准确性,还比传统微调方法更节省计算资源。这一框架特别适合人类反馈有限的场景,为AI评估领域开辟了高效且可解释的新路径。
这项研究由IDEA、华南理工大学和北京大学联合开发的Rex-Thinker系统,通过模仿人类的链式思考方式来解决物体指代问题。与传统直接输出边界框的方法不同,它采用规划-行动-总结的三步骤推理,使AI能像人类一样逐步分析图像中的候选物体,并在找不到匹配物体时拒绝作答。通过构建90,824样本的HumanRef-CoT数据集和两阶段训练方法,系统在精度、可解释性和泛化能力上均取得了显著进步。