北京,2019年10月9日——企业级云服务商青云QingCloud日前宣布,将于10月11日正式启动CIC 2019全国巡展,先后在成都、西安、沈阳、深圳、太原、石家庄、苏州、上海、武汉、杭州十大重点城市举行。青云QingCloud将继续坚持汇聚最佳科技与商业洞见的初衷,在巡展中深度剖析能源、制造、医疗、连锁等行业的最佳实践,以及混合云、核心业务云化、智能组网、DevOps与微服务、数字化办公等一系列场景化解决方案,并全面展示物联网与边缘计算、容器、超融合、分布式数据库等前沿技术与产品能力。此次巡展青云QingCloud将行业领袖与专家智囊的实战经验与思想洞见引入区域市场,与百行千业共同探讨如何利用前沿的云计算技术进行数字化转型,最终推动数字经济的创新与变革。
Cloud Insight Conference(CIC)云计算峰会是由青云QingCloud 主办的云计算行业顶级盛会,旨在全力促进前沿科技与行业实践密切结合,以深刻的科技洞见引领科技创新风潮,至今已成功举办五届。除年度盛会,青云QingCloud自2014年开始,还开展了以技术与实践分享为主题的全国巡展活动,在过去的5年中,走遍20多个省的数十个中大型城市,获得当地IT技术从业者的一致好评。本次巡展更是将前两者的影响力聚合,在延续CIC 2019大会的主题——“云无界,数未来”的基础上,走进区域,以全新的战略、高维的视角和更加贴近产业的场景打造数字未来的落地实践。
科技的进化加速了数字化进程的不断深入,全面数字化正在深刻变革着产业,数字化转型2.0时期已经到来。在不断探索和落地数字化转型的旅程中,企业、行业和产业也逐渐意识到,实现全面数字化需要一个商业中立、无限扩展、健壮、灵活、端到端的大平台作为技术保障。因此,只包含数据中心的狭义云计算能力已无法满足大平台的技术需求,涵盖“云、网、边、端”一体化广义云计算能力才是数字化转型2.0时代亟需的技术力量。
作为拥有广义云计算能力的平台级云服务商,青云QingCloud打造了一个具有“全栈”、“全态”、“全域”能力,核心技术自主可控的全维云平台,致力于以极高效率、极低成本支撑数字世界的运行。此外,青云QingCloud正在联合以专业技术厂商、ISV、SI为代表的专业厂商互补共赢,纵深推动百行千业数字化转型,共筑数字世界美好未来。并且,将这种聚合起来的能力从一线重点城市带入更多正在飞速发展、有着极大技术需求的城市,让越来越多的企业、行业和产业能够更加快速、便捷的获得数字化转型的能力。
值得一提的是,在巡展期间,青云QingCloud还将发布Workly.ai(爱工作)数字化办公解决方案,以及企业核心业务云化转型解决方案白皮书,并将发布青立方Qing³超融合系统的全面升级。
青云QingCloud CTO甘泉表示,借助此次十城巡展,青云QingCloud在深度关注区域市场需求与变化的基础上,将领先的全维云能力、资源与最佳实践进一步倾注于区域市场,为其支柱产业带去更为深刻的数字化变革力量,促进更多传统产业的全面转型,从而提升区域整体IT能力。同时,青云QingCloud也希望借此促进区域新生态的形成,与合作伙伴携手打造中立、健壮、开放、共赢的全景数字生态。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。