全球领先的存储解决方案提供商希捷科技公司(NASDAQ:STX)日前宣布与CERN openlab建立为期三年的合作关系,共同发展希捷Kinetic开放存储平台。此次合作旨在帮助欧洲核子研究组织(CERN)更为有效地管理和存储大型强子对撞机目前已产生的100PB数据量,以及日后在探究宇宙物质的过程中月均新增的2PB至3PB信息量。
CERN openlab的负责人Alberto Di Meglio表示:“CERN日均会产生非常惊人的数据量,找到存储这些数据的安全有效的方法是我们面临的最重要挑战之一。我们很高兴能够与希捷合作,了解Kinetic存储架构如何通过化繁为简、降低我们存储系统的运营成本来助力CERN架构以及要求极高的大型强子对撞机项目。”
希捷Kinetic开放存储平台从根本上重组了传统存储服务器的架构,将面向对象的应用直接连接至存储设备。希捷Kinetic存储平台消除了传统堆栈中的多层硬件和软件,在大幅降低15%至40%成本的同时,提升了应用性能。
希捷全球市场营销副总裁Scott Horn表示:“希捷与CERN的合作是一个很好的契机,使我们的产品有机会更有效地运作在世界上最为苛刻的存储环境中。我们相信双方的合作不仅能使CERN的大型存储系统实现巨大收益,同时,希捷Kinetic开放储平台在产生惊人数据量的环境中测试运行也将进一步提升该平台的性能。”
CERN openlab是CERN和领先的信息通讯技术企业之间唯一的公私合作机构,目前已进入第五个三年合作期,旨在促进全球大型强子对撞机领域创新解决方案的发展。CERN openlab为企业提供了与CERN合作、测试和验证尖端信息技术及服务的架构。
此外,希捷和CERN的另一项未来研究计划将着眼于CERN的EOS存储系统,寻找提升及优化该系统的契机。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。