博科近期宣布通过为EMC Connectrix系列网络交换机添加Brocade VCS以太网矩阵解决方案而扩大与EMC公司的长期OEM合作关系,这是业内第一个针对IP存储的网络交换机。即日起发售的Connectrix VDX-6740B IP存储交换机为EMC存储、云、重复数据删除,以及备份与恢复系统奠定了弹性、敏捷、易于部署的基础。
博科数据中心交换、路由与分析产品高级副总裁Jason Nolet表示:“传统IP网络在设计上并没有考虑到云、移动、社交和大数据等当今的新 IP应用。通过与EMC扩大合作,客户现在能够实现专用IP存储网络改进的性能、弹性和敏捷性,从而满足日益重要的IP 存储应用的需求。
EMC客户将部署新交换机,把IP存储流量与其它数据流量区分开来,与存储流量和其它网络流量共享同一个网络基础架构的传统部署相比,这种方法更可靠、更高效。
EMC公司核心技术部门营销副总裁Jonathan Siegal表示:“当今的IP存储负载能够得益于专用IP存储网络,其性能、可预测性、可用性和运营简洁性与我们过去15年来为光纤通道客户提供的不相上下。”
企业需要更加灵活开放的网络架构,以帮助实现IDC第三平台计算模式的承诺。IDC存储系统与软件研究总监Ashish Nadkarni表示:“IP存储容量几乎每两年翻一番,并过渡到性能更高、更关键的应用。要想满足这些新要求,企业应考虑对IP存储使用专用网络,这样才能更好地使其网络基础架构契合业务需求。”
EMC Connectrix现在可支持针对IP存储而优化的矩阵
Connectrix VDX-6740B是一个高性能、低延迟的IP存储交换机,为各种EMC的中高端NAS和iSCSI存储平台提供连接。通过零接触、自建矩阵,这款新交换机重新定义了敏捷性,并具有卓越的自动化和简洁性。
Oyster River合作学校IT总监Joshua Olstad表示:“VDX 6740将使我们能够更好地保障VNX环境的应用性能和可用性。网络基础架构将得以迅速部署,在管理上也比我们的传统网络更加轻松。能够在服务器之间实时迁移虚拟机,以实现负载均衡。
Connectrix VDX解决方案与Connectrix Manager融合网络版(CMCNE)相集成,为IP和光纤通道存储网络提供了统一的管理、监测和诊断。与EMC存储分析软件的集成可提供可行的性能分析,并让客户能够迅速识别并修复性能和容量问题。
更多Connectrix VDX-6740B细节
• 针对高端和中端NAS和iSCSI存储平台的连接,这些平台包括EMC的VMAX3、VNX、Isilon和XtremIO。
• 针对EMC VSPEX Proven Infrastructure云和EMC VSPEX BLUE超融合设备,以及EMC Data Domain重复数据删除和Avamar备份与恢复系统的存储矩阵连接。
• 获得专利的负载均衡、多路径,可实现最佳性能和最高效率。
• 深度的芯片缓冲可提供超过任何同类交换机2倍以上的吞吐量。
• 支持毫秒链路恢复的存储级弹性,能够在出现路径或链路故障后让I/O继续无中断运行。
• 通过EMC的E-Lab计划,与EMC存储、云、重复数据删除、备份和恢复系统进行端到端互操作性测试。
• 三年硬件保修,可选择高级和增强支持。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。