微软已经收购了InMage公司来加强自己的混合云业务连续性解决方案,试图让Azure成为企业级服务器灾难恢复的首要选择。此次收购的消息是在微软官方博客上公布的。
InMage主要是为企业级市场以及管理服务提供商(MSP)提供备份和灾难恢复技术,让企业能够利用单一的解决方案保护虚拟的、物理的以及UNIX数据库系统,而不用使用多款产品。
微软表示,业务连续性的理念正在快速成为如今企业环境中一项重要的考量,尤其是随着收入、供应链、客户忠诚度、员工生产力越来越依赖这些系统有效发挥作用。
然而,由于与这些服务相关的开支问题,企业通常没有“正确实现这个目标的预算或者时间”。这就是InMage擅长的领域。
微软表示,这次收购将加速微软“为任何客户IT环境——不管是Windows还是Linux,物理的还是基于Hyper-V虚拟化的,或者是VMware等平台——提供混合云业务连续性解决方案”的战略。
一旦InMage的技术与Azure平台集成,微软预计这将使得Azure成为“全球几乎所有企业服务器理想的灾难恢复选择”。
在完成这笔收购之后,InMage技术将集成微软Azure Site Recovery服务,现有客户将能够继续使用InMage产品。最终,InMage订购用户将能够通过Azure Site Recovery访问Scout。
微软没有公布这次收购的金额。
IDC研究副总裁Laura DuBios表示,这次收购“对于满足客户将云作为灾难恢复目标的需求来说是一个重要举措”,她认为这是“一个没有被正确理解以及充分挖掘的市场”。
微软云及企业营销副总裁Takeshi Numoto表示:“企业客户正在选择利用云的最佳方式。业务连续性通常是一个很好的起点,这也是我们为什么专注于交付这种解决方案。这是我们持续交付混合平台、以及一系列将客户、合作伙伴以及微软云链接起来的服务的关键组成部分。”
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。