7月25日,由青云QingCloud主办的Cloud Insight Conference 2019云计算峰会在北京举行。青云QingCloud宣布产品全线升级,推出包括QingCloud IoT平台与EdgeWize边缘计算、QingStor融合存储、ChronusDB时序数据库、PolonDB分布式数据库、QingCloud统一运维运营平台、SDN 4.0在内的多款新品及重大产品升级,与浪潮联合推出新一代微型云数据中心——青立方Qing³ Rack易捷版,并宣布上海1区升级为区域(Region)架构。
Cloud Insight Conference(CIC)是一场汇聚最佳科技与商业洞见的云计算行业大会,致力于探讨科技与商业发展趋势,展示前沿科技成果,分享行业领袖、专家智囊的实战经验与思想碰撞,构建多元的生态合作与解决方案。作为年度大会的重头戏,青云QingCloud此次发布一系列新产品及全线产品升级,全面布局云、网、边、端,意在打造一个具备广义云计算服务能力的全维云平台。
随着人类数字化进程不断加深,人们越来越意识到,全面数字化的世界要构建在一个商业中立、无限扩展、健壮、灵活的端到端的大平台之上,要求云服务能力进化到“广义云计算”阶段。为此,青云QingCloud基于全栈、全态和全域三个维度进行全方位布局,打造核心技术自主可控、中立可靠的全维云平台。首先,在服务层次上,青云QingCloud具备纵向跨越IaaS、PaaS和应用平台的全栈云架构,覆盖众多品牌的ICT服务能力;其次,在服务交付形态上,青云QingCloud能够以统一架构实现公有云、私有云、托管云和混合云的一致化交付与管理;并通过扩展IoT与边缘计算平台,青云QingCloud在服务场景纵深上集结云、网、边、端一体化的能力,实现全域业务支撑与数据互联。
在去年发布9大品牌的基础上,青云QingCloud此次更新了容器、存储、网络、数据库、超融合等产品线的新动向,并全新推出包括QingCloud IoT平台与EdgeWize边缘计算、QingCloud统一运维运营平台在内的多款新品,具体包括:
此外,青云QingCloud还在会上发布了超级混合云白皮书,并联合华泰软件、博智信息、HashData、JuiceFS、昆仑数据等合作伙伴发布9️大解决方案。凭借QingCloud云平台高解耦、标准化、易集成的特性,青云QingCloud将携手专业技术厂商、ISV、SI等专业厂商互补共赢,纵深合作,推动百行千业数字化转型,共筑数字世界美好未来。
青云QingCloud CTO甘泉表示,从“云之基石”到“数字世界基石”,青云QingCloud经历了公有云、混合云到全维云的转型,成为一家同时具备全栈、全态和全域交付能力的平台级服务商。青云QingCloud正在以广义云计算覆盖全数字场景,致力于以极高效率、极低成本支撑数字世界的运行,缔造数字世界的基础设施,以统一架构与高度解耦实现全场景自由计算。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。