赛门铁克正在筹备将其Backup Exec设备撤出备份产品市场,取而代之的将是其经过精心强化的NetBackup设备方案。
Backup Exec最近一段时间以来可谓波折不断。Backup Exec 2012由于在设计方面经历了大幅变更而引发了争议,同时赛门铁克方面也承认这一于2012年5月发布的版本确实给公司带来了负面影响。2013年11月,赛门铁克正式放弃Backup Exec家族中的云业务。顺带一提,这套方案旨在帮助中小型企业将备份数据保存在赛门铁克的远程数据仓库(也就是云)、内部基础设施或者云环境当中。
Backup Exec 2014版的推出时间距离当初那个颇有些玩火自焚意味的2012版本已经过去十八个月,这一次市场给出的反响要好得多、产品消化速度也更快一些。
Backup Exec 3600设备将Backup Exec软件与由赛门铁克方面提供的硬件结合起来,旨在提供一套具备重复数据删除功能的物理与虚拟服务器备份方案。它能够将备份数据发送至磁带处,并在几分钟之内完成对整套服务器内容、微软应用程序以及VMware或者微软Hyper-V虚拟客户机的恢复。
合作伙伴们将对此感到赞赏
不过赛门铁克同时也在向其它合作伙伴出售Backup Exec设备,其中包括戴尔与富士通等公司。这些企业显然不希望赛门铁克以出售Backup Exec设备的方式与其自家运行有Backup Exec软件的硬件产品形成竞争关系。
赛门铁克公司高级产品营销总监Drew Meyer在一篇博文当中指出:“在对不断变化着的市场动态进行认真审视之后,我们决定以2015年1月5号为截止日期停止对Backup Exec设备的销售。”
“我们向合作伙伴提供的Backup Exec软件会被绑定在对方的硬件与服务方案当中,这已经足以满足中小型企业客户对于此类综合性产品的实际需求。赛门铁克公司将继续为我们的企业客户及合作伙伴构建并提供备份设备,其中包括NetBackup 5000系列、5200系列以及全新的5330设备。其中5330机型能够提供双倍于现有设备方案的存储容量与性能表现。”
支持与维护
赛门铁克绝对不会就此抛弃其Backup Exec设备的现有客户:“尊敬的各位Backup Exec 3600设备客户——我们将在维护合同的有效期之内继续为大家提供技术支持。只要大家进行过主动维修,即可继续享受产品更新并拥有延续至2020年1月5号的支持服务期限。”
赛门铁克也不会放弃Backup Exec软件:“Backup Exec的下一个版本正处于开发过程当中,并将在明年上半年正式与广大用户见面。新版本将进一步拓展自身与虚拟化环境的集成能力,同时添加新的云连接机制——例如Amazon。”
赛门铁克公司目前正计划将现有业务拆分为安全与信息管理(简称IM)两大块并成立两家独立企业。不过IM业务分支要如何定义自身发展走向——例如作为一家软件或者软件加硬件厂商——则仍然有待时间的检验。
此外,目前我们也还不清楚赛门铁克是否会打造一套同时适用于Backup Exec与NetBackup两大产品线的通用型后端。
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。