VMware今天正式涉足区块链领域,发布了商用的VMware Blockchain平台,旨在让企业可以构建网络和部署去中心化的应用。
这项研发了数年时间的新服务为企业提供了一个可扩展的企业级平台,减少数据孤岛并释放数据让数据能够安全、有隐私性、即时地流动。这项服务此前在2018年完成Beta测试之后发布。
企业级区块链现在已经不是什么新鲜事物了,但是想要在众多平台中脱颖而出并不容易。VMware表示,他们的区块链服务提供了“Scalable Byzantine Fault Tolerance”,这是一种“企业级共识引擎……旨在解决区块链解决方案的规模和性能问题,同时保留了容错和防御恶意攻击的能力”。
在这种情况下,共识引擎可以用于在分布式进程之间就单个数据值或者网络的单个状态达成必要协议的机制,这种引擎的代码让各种数据交易之间达成一致。Byzantine Fault Tolerance本身并不是什么新鲜事物,早在20世纪90年代就设计出来了,但是VMware表示,采用这种技术能够在保持去中心化信任和支持多方网络中的持续治理方面带来优势。
VMware Blockchain提供了一种分层的体系结构,据说可以使分类帐与智能合约语言相解耦。VMware的区块链支持DAML——一种由合作伙伴Digital Asset Holdings开发的开源合约语言。
VMware Blockchain的这一个客户是澳大利亚证券交易所,该机构自2017年以来一直与Digital Asset合作开发基于区块链的、CHESS电子支付系统(1995年问世)的替代方案,这次实施方案中是使用DAML智能合约进行结算的。
VMware副总裁、区块链业务总经理Brendon Howe在一份声明中表示:“我们一直专注于构建企业级区块链平台,以满足金融服务行业最苛刻的应用要求,以及其他需要可靠且高性能区块链服务的关键任务分布式工作负载。VMware Blockchain为客户提供了当前生产所需的企业功能,以及在快速发展的区块链领域中适应未来需求的灵活性。”
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。