面对数字时代复杂系统的不确定性,传统的IT应用架构研发交付周期长、维护成本高、创新升级难、烟囱式架构、开放性差、组件复用度低,这些都成为了企业新业务快速发展的瓶颈,而云原生以其敏捷、开放、标准化的特点迅速成为企业构建面向未来的应用架构的首选。
Gartner在报告中预测,到2020年将有50%的传统老旧应用被以云原生化的方式改造,到2022年将有75%的全球化企业将在生产中使用云原生的容器化应用。
经过多年的发展,云原生已从最初的默默无闻到“小众”流行,再到今天成为企业数字化转型的首选。华为云作为云原生产业的领导者和积极实践者,伴随着云原生的发展一路走来,在每一个阶段,华为云为云原生产业繁荣作出了持续的核心贡献。
同时,华为云在云原生产业方面的投入进一步加码,通过举办"创原会·云原生技术精英沙龙",汇聚各行业云原生技术精英,并与云原生产业及标准化组织一起,共同推进云原生技术和产业的成熟与标准化建设。
云原生2.0时代,华为云将持续努力让云原生技术结合各行业场景进行交叉创新,通过"技术+产业"的双轮驱动,加速云原生全面落地,帮助更多的企业完成数字化转型与业务创新升级。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。