EMC公司宣布,业界领先的VNX系列混合存储解决方案增加了新产品和新功能,其中包括最新入门级VNXe3200存储阵列。VNXe3200基于2013年9月推出的VNX系列,效率是此前VNXe解决方案的3倍。最新推出的VNXe采用EMC MCx(多核优化)和EMC FAST(全自动存储分层)软件,可释放闪存威力,虚拟应用及文件性能均可达此前VNXe解决方案的3倍,占用空间则保持不变,依然很小。最新VNXe3200支持主要的统一协议,包括光纤通道协议。VNXe系列的设计初衷是,从设置、管理到支持,提供涵盖整个存储生命周期的易用性,VNXe3200也具备VNXe系列这种标志性的易用性。
最新推出的VNXe系列充分利用MCx和FAST套件的优势,在功率、效率和易用性方面,均超越了此前的VNXe解决方案。VNXe的技术亮点包括:
VNXe3200还可用在最新VSPEX Proven Infrastructures中,用一台VNXe3200就可支持多达125个虚拟机和500个虚拟桌面。这些最新VSPEX解决方案可存储多达2000个Exchange邮箱,容纳超过两万个SharePoint用户。
VNXe3200起价不到1.2万美元,将于2014年第二季度上市,主要通过EMC全球渠道合作伙伴供货。EMC业务合作伙伴计划(EMC Business Partner Program)支持VNXe3200。EMC通过该计划提供一整套合作伙伴可以立即使用的附属快捷解决方案(Express Solution),还提供VSPEX参考架构,以简化订购、销售和支持服务。
EMC“Project Liberty”亮相
EMC还宣布了“Project Liberty”,这是一款虚拟化存储软件,基于业界领先的VNX系列。Project Liberty充分利用VNX迄今为止提供的丰富数据服务和易管理性,通过各种灵活的部署模式(例如,无论是在虚拟服务器上,还是在混合云中部署)发挥这些优势,满足各种不同的、不断变化的工作负载和服务级别要求。
为了应对日益缩短的开发周期,IT部门必须创造条件,满足快速开发应用原型的需求,加快产品上市。Project Liberty的一种用途是,增强IT人员自主权,一经要求立即运行几个虚拟阵列示例,加速测试、新应用开发等。利用Project Liberty开发的新应用将能够无缝部署在实体VNX存储系统中,具备更高的服务级别,同时可以进行一致的管理,提供丰富的用户体验。
这些应用可以驻留在任何地方,无论是远程办公室、总部还是云中。凭借Project Liberty,客户将受益于混合云的敏捷性和效率。
重新定义中端系统的安全性
此外,EMC还宣布了VNX 静态数据加密功能——VNX D@RE。自VNX推出以来,客户在单台VNX上整合了越来越多的关键数据,这更加突显出保证信息安全的重要性。在医疗保健、金融服务以及政府机构等领域,这一点尤其明显,这些领域需要对敏感信息进行更严格的控制,以避免日益增多的未授权数据访问事故。VNX静态数据加密(D@RE)将以无中断软件升级形式提供,预计于2014年第三季度随最新VNX系列产品上市。VNX静态数据加密用来帮助客户保护写入磁盘的数据,防止从未经授权拆卸的硬盘中读取数据。VNX静态数据加密采用基于控制器的加密技术,可灵活支持任何类型、速度及容量的硬盘。
客户引言
Aces Power公司网络服务执行总监Brandon Robinson
“VNXe使我们能够以经济实惠的价格,充分利用业界领先技术。VNXe3200提高了系统效率和性能,帮助我们满足了内部服务级别协议要求。凭借VNXe,我们能够随着业务增长,简便地实现架构的横向扩展,提供各种新服务。”
EMC高管引言
EMC公司企业与中端系统部高级副总裁兼总经理Jeff Boudreau
“市场对我们最新VNX产品反响强烈,令我们无比振奋,对全球成千上万家公司而言,VNX已经成为应对混合工作负载的主力。今天,我们兑现了对合作伙伴和客户的一贯承诺,将FAST、MCx、D@RE等关键企业级功能扩展到入门级和中端平台之中,使客户能够更充分地利用IT资金,保护投资。Project Liberty尤其令我们振奋,在客户向混合云过渡之际,Project Liberty将为客户提供更高的敏捷性,同时客户仍然能够享有与过去同样的、一致的VNX用户体验。”
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。