混合云和多云领导者Nutanix为边缘云、私有云和公有云推出Objects和Files存储解决方案
2020年12月4日,北京——私有云、混合云和多云领导者Nutanix(纳斯达克:NTNX)今天宣布,旗下非结构化数据存储产品Objects 和Files推出新的混合云功能。借助这些高级功能,Nutanix客户现在可以跨不同的云环境部署易于使用的扩展型存储架构,简化数据管理并有效控制成本,使IT团队更加接近真正的混合云运营模式。
这些以存储为中心的增强功能建立在最近推出的Nutanix Clusters基础上,该产品目前支持在AWS上运行Nutanix超融合基础架构软件,并即将支持微软Azure。Nutanix一直致力于确保旗下技术和产品能在任何云中运行,采取通用的操作模式以简化IT管理,为企业和组织提供选择在自己心仪的云中运行所有应用的灵活性。
Nutanix首席技术官Rajiv Mirani表示,“世界各地的IT团队正在迅速转向混合云环境,并寻找技术解决方案来协助完成这一转变,以管理不同的技术并简化运营。我们最近推出了Nutanix Clusters,将超融合基础架构软件扩展到公有云,从而帮助企业实现这一目标。现在的重点是强化整个平台,包括在不同的云环境中提供易于使用的扩展型存储架构。”
本次新推出的功能有以下优势:
IDC平台和技术组基础架构系统研究副总裁Eric Burgener表示,“企业正在寻找解决方案以加速数字化转型,迁移至真正的混合云。在所有部署位置和各种云中实现简单性和一致性是应对这些挑战的关键能力。Nutanix Files和Objects可以在任何地点为数据访问提供统一体验,而这类解决方案将是众多企业的不二之选。”
除简化跨云数据存储之外,Nutanix为客户提供了更佳的性能、更灵活的扩展性和选择性。目前,客户已经可以使用这些新增功能。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。