罗马非一日建成,IT服务能力亦是如此,历经脚本时代、工具时代以及当下的DevOps时代,IT技术服务正向着智能化时代大步迈进。作为数字化解决方案的领导者,紫光股份旗下新华三集团以持续强化的创新能力,引领IT服务模式与技术演进,推动IT服务能力全面进化。今天,让我们透过十年磨一剑的智能运维工具集,共同探寻新华三在IT技术服务领域持续创新的理念和路径。
从云图宝典到远程运维 服务与时俱进
时间拨回到2013年,那时,运维技术在很多人眼中是复杂、枯燥的代名词,为了改变行业对运维的刻板印象,让复杂的工作简单化,新华三集团凝结上百位工程师十余年工作经验,推出了业界第一本将IT运维技术图形化的运维宝典——根叔的云图。通过采用新颖、独创的“云图”方式,新华三将运维技术总结成清晰、活泼、易掌握的思维导图,方便工程师随时随地定位设备问题,那会儿常听大家说:一图在手,网络无忧!
根叔的云图的一炮而红,正式开启了新华三集团在智能运维工具领域的持续创新之旅。一年后,标杆的神器横空出世,作为根叔的云图的进阶版,除了集成网络界最热门的运维资料,标杆的神器还提供设备管理、故障排查、开局助手等八大功能模块,没有辜负其“简化工作、提高效率”的“神器”之名。
摩尔定律之下,IT技术的发展日新月异,随着网络通信的日益发达,运维工作逐渐突破时间和空间的界限,远程运维悄然兴起。在多少个不曾见面的日子里,有一个叫安仔的酷家伙始终守护着业务的正常运转。作为国内第一款厂商级云运维平台,安仔智能运维云提供7*24小时不间断的远程在线技术支持与专属运维专家技术保障服务。目前,安仔已累计服务超过600+客户,接入设备突破3万+。
从技术交流到AI问答 探索永无止境
一位IT工程师的成长之路上,横向的学习交流必不可少,为了给广大工程师打造一个良好的学习交流平台,同时快捷解答IT服务的疑难问题。2017年,新华三集团创建了ICT技术交流平台——知了社区。在这里,100%的问题,30分钟内答复,累计解答用户20万+专业问题;在这里,工程师们可以聊技术,谈理想,与25万知了用户一起学习成长。
随着知了社区的火爆,高达千万人次的访客量和上亿次的浏览量,让新华三集团进一步探索更为先进的技术服务方式。2019年,知了社区迎来了一位重量级新成员——吱吱纳秒答,它是新华三研发的业界首款ICT技术问答类AI机器人,可实现瞬时回复和深度学习,回答准确率高达82%,年交互量达10万+,为用户节省了宝贵的搜寻和提问时间。
从主动服务到全生命周期管理,创新步履不停
作为产业链的后端,IT运维人员似乎总是难逃“背锅侠”和“救火队”的悲情角色,究其原因,故障无法即时发现,定位及解决问题耗时耗力,故障就像是一颗隐藏的地雷,随时随地会被引爆。有没有一种技术,能够“防患于未然”呢?2020年,新华三集团在业界率先推出首个在线智能分析预警平台iService服务数字中枢。基于新华三5000万+台在网设备的运维数据宝藏,iService可通过对海量数据的智能关联,有效发现潜在危机,让运维化被动响应为主动服务。目前,iService已累计纳管设备超过65万+台,为5000+用户提供7万+次巡检服务。
百尺竿头更进一步,随着IT系统架构的日趋复杂,企业对IT服务的品质要求也越来越高,为了更好地帮助用户应对运维智能化的变革,2021年,新华三集团将运维能力集中整合,打造了业界首个全生命周期智能化管理系统——“金手指”智能工具集。作为运维能力集大成者,金手指与iService“双剑合璧”,提供端到端、全生命周期的运维服务,比如ICT巡检工具已累计覆盖超过12万台设备,帮助用户提前发现超过10万个隐患,通过提前消除潜在风险,全面守护数字化转型的“安全感”。
从根叔的云图到标杆的神器,从iService服务中枢到金手指智能工具集群,运维工具的演变之路,是新华三集团技术服务紧跟数字化变革的最好佐证。面向智能化的未来,新华三将继续以更专业、更温暖的技术服务,打造端到端的全生命周期IT服务能力,守护百行百业的数字化转型之旅,在孜孜不倦的创新之路上,一路探索前行,步履不停。
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。