中国北京,2022年12月22日—— 近日,VMware(NYSE:VMW)宣布VMware在IDC最新的两份关于虚拟客户机计算和终端用户体验管理的MarketScape报告中被评为战略和能力方面的领导者。
虚拟客户端计算评估报告强调:“VMware的生态系统包含种类齐全的硬件、外围设备和软件供应商。但最值得注意的是其认证工程师和其他基础设施专业人员的队伍正在不断扩大,这对于这个劳动力紧张的行业来说是一个潜在的福音。这一因素值得许多公司考虑利用现有的VMware资源,满足其虚拟化和终端用户计算需求。”
欧洲终端用户体验管理评估报告指出:“VMware出色的技术组合很好地补充了其DEX(数字员工体验)产品,比如UEM、VDI和DaaS、端点保护、安全远程访问和零信任安全等。”报告还指出:“VMware的产品之所以能够在对终端用户体验的全方位影响方面脱颖而出,是因为它能够在遇到性能问题时添加新的虚拟环境,大幅提高用户的整体生产力。”
VMware高级副总裁兼终端用户计算部总经理Shankar Iyer表示:“VMware通过VMware Workspace ONE等解决方案和我们的Horizon平台帮助客户提升数字员工体验,保护和管理本地、云端,以及各种混合或多云环境中的虚拟桌面与应用。Horizon和VMware Workspace ONE是VMware Anywhere Workspace解决方案的核心。随着混合办公模式的不断增加,我们的各项创新将帮助员工更有效地‘随处工作’,并为IT团队提供他们所需的工具与能力,让这些体验变得更出色、更顺畅、更安全。”
好文章,需要你的鼓励
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。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。