VMware今天宣布推出Tanzu产品组合的一款新产品,以构建和管理基于容器的现代应用。
据说VMware Tanzu Advanced建立在VMware Tanzu Standard基础上,更加注重DevSecOps。DevSecOps是结合了软件开发和IT运营的一系列实践,旨在缩短系统开发生命周期,持续交付高质量的软件。
VMware在博客中表示,这款新产品是一个具有模块化功能的完整堆栈,可将开发人员的体验带到最前沿,同时将安全性深入到容器的生命周期中。
VMware Tanzu Advanced的主要优点之一是,它能够让横跨各种云和多个团队的Kubernetes集群管理变得更加容易。Kubernetes是一种开源软件,用于协调大型容器集群,这些容器集群用于封装应用,使其可以运行在各种计算机上。Tanzu Advanced还可以全面观察云中群集的运行状况和性能。
除Tanzu Advanced之外,VMware还公布了Project Iris预览版,旨在帮助团队发现和分析应用组合,目标是帮助企业减少运营开支以及改善维护窗口。
“Project Iris可以发现并分析企业组织的完整应用组合;建议哪些应用要重新托管、重新平台化或者重构;并且使客户能够针对每个应用、业务线或者数据中心调整自己的转型过程,”VMware Tanzu团队在博客中这样写道。“对于那些需要重新平台化的应用来说,它简化了Java应用(使用Tomcat、WebLogic和WebSphere)的转换,使其能够运行在Kubernetes环境中。”
此外,VMware表示将把软件咨询业务VMware Pivotal Labs更名为“VMware Tanzu Labs”。
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。