赛门铁克公司正在着手利用一套新机型对其NetBackup 5000系列产品线进行更新,这款新设备拥有更出色的执行速度、并能够将更多数据容纳于其中。
赛门铁克的5000系列专用型备份设备(简称PBBA)产品家族拥有可扩展存储容量与适用于物理与虚拟环境的端到端(包括客户端与目标端)重复数据删除功能。
作为第三代设备方案,现有5230机型包含以下配置:
· 2U设备体积并提供可选存储托架。
· 4TB到148TB可用存储容量。可用存储容量通过任意整合方式提升至最高144TB重复数据删除容量池或者148TB Advanced Disk容量池(非重复数据删除型存储体系)。
· 每小时数据吞吐能力为39.9TB。
· 快照复制功能。
· 客户端与目标端重复数据删除机制; 可选择内联或者生处理两种方式。
· 持光纤通道接入。
· 通过网关发送备份数据,从而实现对云存储方案的支持能力——包括AT&T Synaptic、Amazon S3以及Rackspace。
· 提供将数据写入磁带的选项。
NetBackup设备还拥有一套相当于备份工作高管的管理控制方案,被称为3600 Appliance。
NetBackup 5330
根据我们的了解,新一代NetBackup 5330已经于本周五(也就是昨天)通过赛门铁克公司高级副总裁兼总经理Matt Cain的一篇博文得以发布,在文章中他提到了以下两项性能参数:
· 最高存储容量可达229TB。
· 数据传输速度与前代产品相比提升了一倍,每小时传输能力达到约80TB。
我们还了解到,该设备将采用NetBackup软件的7.6.1版本。
赛门铁克方面表示,截至目前NetBackup设备的合计销售量已经超过一万台,而且在最近这个季度中源自该系列产品的营收数额实现了35%的增长幅度。该公司同时指出,据Gartner的调查IT业界中这部分特定业务类型的年平均健康增长幅度为6.8%,可以想见这样的成绩一定让赛门铁克脸上乐开了花。
不过赛门铁克公司也承认,根据IDC发布的统计结果(即IDC 2014年第二季度的〈全球季度专用备份设备追踪报告〉),目前其在PBBA市场上的份额仅仅排名第二。位列第一的是EMC公司,其Data Domain以及Avamar产品在2014年第二季度期间在PBBA市场的整体营收当中占据着66.5%的绝对优势比例。
赛门铁克公司的第二季度份额为11.8%,尽管业务增长幅度要远超EMC,但其占比与后者之间的差距显然还非常巨大。
赛门铁克公司为NetBackup设定的比照目标包括各类拥有PBBA特性,也就是同时集备份软件、媒体服务器以及存储阵列于一身的重复数据删除备份阵列(例如市场领域者Data Domain家族的相关产品)。
NetBackup 5330机型将于2015年春季在欧洲、中东与非洲地区正式投放市场,据我们了解具体时间应该在明年第二季度。
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。