Splunk Inc.日前正式宣布推出Splunk MINT Express及Splunk MINT Enterprise测试版。这两款新产品将帮助Splunk客户获得更加卓越的移动应用运维智能。SplunkMINT Express是一项云服务,能够让移动应用开发者快速获取应用信息,对应用程序的质量、使用情况及性能开展分析。通过整合移动应用与Splunk Enterprise或Splunk Cloud上的数据,SplunkMINT Enterprise进一步拓展了上述功能,使客户可以获得端到端的可见性以及实施实时的全渠道应用分析。请观看视频,深入了解Splunk MINT Express与Splunk MINT Enterprise,现在注册即可获得Splunk MINT Express 15天免费试用并参与Splunk MINT Enterprise测试项目。
Splunk产品高级副总裁Guido Schroeder表示:“Splunk MINT Enterprise与Splunk MINT Express是Splunk自收购Bugsense以来推出的首批新产品,不仅能帮助我们的客户构建更可靠、性能更佳的移动应用,还能让他们利用移动数据获得全新的战略性IT与业务洞察力。在移动至上的世界,移动应用的性能与质量至关重要。同时,能够揭示用户行为与使用特性的移动应用数据在与来自网络与电脑应用等其它渠道的数据进行综合使用时变得更有价值,能全面洞察跨渠道用户互动情况。”
Enterprise Management Associates应用管理研究总监Julie Craig认为:“虽然对于商业成功而言移动应用已变得日益重要,但监测移动应用性能、使用状况与效果的任务却趋向于落在开发者或IT人员的身上。凭借移动智能产品,Splunk能以一种独特的方式为开发者、IT运营部门与业务部门提供他们所需要的跨渠道洞察力。”
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。