Teradata本周二宣布收购大数据公司Revelytix和Hadapt。
Teradata并未透露这两笔收购的具体金额。来自Revelytix和Hadapt的员工和知识产权都将并入Teradata实验室——该公司的研发团队。
通过收购这两家大数据公司,看起来Teradata正在把自己拥抱Hadoop和其他大数据技术、以提供一个通向自己数据仓库系统的桥梁的任务进行到底。
Revelytix最有名的可能是它的Loom——一种元数据管理技术,兼容很多Hadoop发行版,例如Cloudera、MapR、Hortonworks以及Pivotal。Teradata表示,Revelytix及其资产将带来Hadoop中新的数据准备工具,因为它能够在单一的软件解决方案中交付集成的元数据、数据志和数据。
至于Hadapt,Teradata表示将利用该团队的深度大数据知识推动Teradata统一数据架构向前发展。
Teradata实验室总裁Scott Gnau在声明中称:
“我们欢迎Revelytix和Revelytix员工加入Teradata,我们期待着他们在帮助Teradata实验室加速向我们的客户交付大数据解决方案做出贡献。新增的这些关键资产将进一步强调Teradata对持续创新和客户价值的承诺,扩展我们的大数据组合,增强Teradata统一数据架构。”
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。