随着数字化转型的推进,组织机构要实现运营、应用程序和数据库的现代化,利用混合云和多云部署,同时还要支持现有的传统工作任务和系统。为了管理这些复杂、多样和分散的工作环境,不同团队已积累了各种监控和管理工具。
依此类推,ITOps、DevOps和SecOps团队多收到过量的警报和脱节的分析,亦难获得他们需要的可操作的洞察,以便快速识别、优先排序和解决业务关键型服务中的问题。使用和管理这些不同的工具也很麻烦,而且维护和扩展的成本高昂,带来了运营和业务风险。
现在企业面对更加多样化的IT环境,包括传统IT、混合云等,整个IT环境在不断演变,而SolarWinds产品也在不断更新换代。SolarWinds宣布推出基于SolarWinds Platform构建的SolarWinds Hybrid Cloud Observability,帮助企业将现代化、分布式的混合网络环境实现全面统一的视图。
SolarWinds此前推出过Orion软件管理平台,其提供了多种模块,对于用户而言稍显复杂。而Hybrid Cloud Observability则进行了升级,为用户提供一个完全自动化的平台,这个平台可以完成需要IT专家的诸多任务和工作。
甩开复杂IT环境的苦恼
SolarWinds首席极客Sascha Giese告诉记者,技术在不断更新换代,IT人员需要与时俱进、不断学习,这也是一个具有挑战性的过程,借助统一的平台实现管理确实是一个非常好的方法。
通常一家企业在网络、系统、数据库和安全性等方面拥有不同的IT团队,而他们之间的交流比不是那么顺畅。当IT系统出现问题的时候,IT团队借助不同的工具处理问题,企业并不能快速处理,导致业务受到影响。这个时候一个统一的平台可以帮助IT团队获得同样的管理数据,更好地找到问题根源,解决和修复问题。
Hybrid Cloud Observability的全栈式和综合性覆盖有助于IT团队做出更快、更明智、更协调和更有效的决策。使用者可以轻松地发现、了解和理解依赖关系,以预测和防止用户体验下降和服务中断。
通过可视化进行操作,IT专家获取所有的数据至关重要。而这些数据量非常大,需要使用者和用户进行判断。Hybrid Cloud Observability使用了AI人工智能,更好地帮助客户进行数据处理。
借助Hybrid Cloud Observability,技术专业人员可以获得具有可操作智能的单一控制台监控功能,从而加快问题解决速度并实现主动管理。
SolarWinds还将内置智能和AIOps应用于该全栈解决方案。平台可以帮助组织机构在复杂、多样和分散的混合和云环境中持续优化性能,提高可用性、安全性和数字化体验。
有了相关的智能功能,团队可以更有效地识别、优先处理和解决问题和异常,减少合规性风险和攻击面风险,并准确地发现哪里最适合扩展性能和容量。
Sascha Giese说,SolarWinds希望把那些重复性的工作交给机器,而让真正的IT人才进行更具创造性的工作。“面对海量信息和数据,借助AI人工智能,可以最大程度降低警报疲劳,让IT人员集中精力在最重要的问题上面。”
量身定制的Observability
SolarWinds Hybrid Cloud Observability提供了一个集成、全面且具高经济效益的全栈解决方案,类似整合的可视化仪表盘,旨在提供对服务交付和组件依赖关系的端到端监督,帮助组织机构在应对当今多元IT现状挑战时,从被动状态转变为主动状态。
Sascha Giese表示,Hybrid Cloud Observability非常专注于Secure by Design,即设计成就安全。Time to Value就是当用户部署了某一款产品之后,这个产品用多久的时间可以给他们的公司带来效益、产生价值。Hybrid Cloud Observability非常高效,甚至数分钟就可以完成相关操作,客户ROI投资收益率就会提高。
SolarWinds Hybrid Cloud Observability使各种规模和各类行业的组织机构都能够快速实现价值、确保服务水平、加快问题解决,并减少警报疲劳和风险。
Hybrid Cloud Observability秉持开放原则,通过API接入不同的系统,这样一个平台就可以呈现所有信息,实现系统的全面掌控,不管是是更新、升级或者加入新的功能,都可以用非常短的时间完成。
在业务模型方面,Hybrid Cloud Observability提供了多种产品使用模式,包括订阅、节点、网络等,为客户提供更多的选择。同时,Hybrid Cloud Observability提供了基础和高级两种版本,更灵活的部署和定价,适用不同规模的企业。
针对大型、复杂或者分布式的网络环境,SolarWinds也设计了“卓越支持”,EOC(Enterprise Operations Console)可以理解为管理者的管理者,能够更好地服务非常大型的跨国公司,或者某一家公司某个部分的业务需要非常高级别的安全性,比如信用卡业务,就可以使用EOC服务。
“如果某一家公司的客户希望可以拥有更好的可见性,或者希望能够在IT环境中实现更好的掌控力,他们就是我们的一个目标客户群体。”Sascha Giese说。
此外,现在正在使用Orion平台的客户使用Hybrid Cloud Observability可以获得更广泛的可见性,更灵活的部署以及更简化的定价和包装。
Sascha Giese表示,未来SolarWinds会继续支持Orion平台,而且平台在未来也会有更多新的功能。客户可以选择继续使用Orion平台还是升级到Hybrid Cloud Observability平台。“Hybrid Cloud Observability是SolarWinds革新性的、非常具有创造力的一个产品,过去我们是在IT运营监控和管理方面的领军者,而我们未来也非常希望在Observability继续充当领军者的角色。”
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。