Amazon Web Services 推出了两款工作站级别的云桌面产品,这个举动却意外地凸显了该技术存在的一个问题。
这家云计算巨头的桌面即服务产品名为 "WorkSpaces",周三宣布推出两种新的实例类型:GeneralPurpose.4xlarge,配备 16 个虚拟 CPU 和 64GB 内存;以及 GeneralPurpose.8xlarge,配备 32 个虚拟 CPU 和 128GB 内存。两种实例都包含 175GB 的根卷 (包含操作系统镜像的虚拟磁盘) 和 100GB 的用户文件存储空间。
这些实例类型适用于通常在工作站级 PC 上运行的应用程序:工程数据分析工具 Matlab、统计分析软件包 R,以及大型软件编译任务都被列为适合的工作负载。
GeneralPurpose.8xlarge 实例是 Amazon 首次提供 32 个虚拟 CPU 的产品。
包含 Windows 系统的价格并不便宜,32 核版本每月 590 美元,16 核版本 295 美元。在支付 19 美元/月的基础上,每小时价格分别为 4.56 美元和 2.28 美元。如果自带 Windows 许可证,价格会更低,但降幅不到 10%。目前似乎仅支持 Windows,因为在其他 WorkSpaces 支持的 Linux 发行版上未列出这些实例类型的定价。
这两种新实例类型与 Power 和 PowerPro (包含专用显存) 一起,被 Amazon 推荐给那些希望获得"最佳视频会议体验"的用户。
云桌面可以提供快速的用户体验,但有时在处理需要不间断实时数据流的应用程序 (如视频会议) 时可能会遇到困难。Microsoft 承认其协作软件 Teams 在云桌面上无法提供"优化的"视频和音频聊天,并为云 PC 提供了定制版本的软件。该公司建议将视频和语音通话重定向到用于访问云桌面的本地设备。
通过建议只有其最强大的 WorkSpaces 才能提供"最佳"视频聊天体验,Amazon 的解决方案似乎是通过增加计算资源来解决问题。
Amazon 在云桌面方面并非只依靠硬件性能:本周早些时候,它宣布对 Amazon EC2 Image Builder 进行改进,允许直接将 Microsoft Windows ISO 文件转换为 Amazon Machine Images (在 AWS 中用于启动虚拟机的虚拟设备格式)。
拥有大量 Windows 桌面系统的组织通常会维护一个首选 PC 设置的"黄金"镜像。现在可以将其转换为用于启动 AWS Workspace 的 AMI,Amazon 表示这将使自带许可证变得更容易。这也将为云 PC 带来更好的一致性,意味着用户现有的 PC 管理工具和流程可以继续使用 - 这是否会使云 PC 更具吸引力?
好文章,需要你的鼓励
这项研究介绍了Ankh3,一种创新的蛋白质语言模型,通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务:多掩码概率的掩码语言建模和蛋白质序列补全,使模型仅从蛋白质序列就能学到更丰富的表示。实验表明,Ankh3在二级结构预测、荧光预测等下游任务中表现优异,尤其在模型未曾训练过的任务上展现出强大泛化能力,为蛋白质设计和分析开辟了新路径。
法国波尔多大学研究团队开发了一个突破性框架,用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告,并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法,这一系统能生成透明、有因果关系的解释,同时保持高诊断准确率。研究显示,通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为,包括假设检验和非线性思考,提供与临床决策流程一致的排序诊断结果。
这项研究提出了CLUE框架,首次能够生成自然语言解释来揭示AI事实核查系统不确定性的来源。与现有方法不同,CLUE能识别文本片段间的冲突与一致关系,并解释它们如何影响模型的预测不确定性。实验表明,CLUE生成的解释在三种语言模型和两个事实核查数据集上都更忠实于模型不确定性,用户评价其更有帮助、信息更丰富、冗余更少且逻辑更一致。CLUE不需要微调或架构更改,适用于任何白盒语言模型,为事实核查提供了实用支持。
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。