HPE今天宣布已经收购Ampool,该公司的开源查询加速平台可用于商业智能场景中。
HPE没有透露此次收购的价格信息。HPE在一篇博客文章中表示,Ampool的可扩展数据联合层和多层加速引擎将提供一个云原生的SQL分析引擎,并将成为HPE Ezmeral边缘到云分析运行时的一个组成部分,用于交互式SQL工作负载。
Ampool还将给HPE带来几位曾经在雅虎、LinkedIn、VMware Pivotal和Veritas工作的工程师,同时他们也是Apache Geode、Presto/Trino、Apache Spark和Apache Ranger等项目的主要贡献者。
HPE Ezmeral业务总经理Anant Chintamaneni在博客中这样写道:“现有的本地SQL工具是死板、速度很慢且和特定底层存储技术例如HDFS捆绑在一起的。企业组织需要一组松散耦合的云原生查询引擎,支持针对各种后端数据源的多种分析和商业智能工具。”
Ampool利用内存缓存将运行在AWS Amazon Elastic MapReduce大数据处理服务上的性能提高多达40倍,并将在Tableau数据可视化平台上查询的速度提高多达100倍。
该公司表示,Ampool Active Data Store是基于Apache Geode分布式内存数据库的,支持来自单个以内存为中心的存储的流获取、批处理、事务型和交互型/即席查询。HPE计划利用Ampool进一步专注于SQL运行时,尤其是那些针对开源Presto分布式分析平台和非特定独立软件产品的运行时。
“使用多个基于容器的临时SQL计算引擎——例如Presto和Spark,往往需要在外部存储和管理持久元数据。Ampool在构建带有角色访问控制的共享元数据目录方面,拥有深厚的专业知识,可提供对不同后端数据源的一致视图,”Chintamaneni这样写道。
根据Crunchbase的信息显示,Ampool成立于2015年,在印度圣克拉拉和浦那设有办事处,到目前为止已经筹集了40万美元的种子资金。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。