旅游产业具有三大动力效应:直接消费动力、产业发展动力、城镇化动力,成为全国各省全力打造的一项重点项目。为加速区域旅游产业发展,某省公安机关采用浪潮一体化解决方案构建出入境业务信息管理系统,以AS8000业务整合存储系统为核心,为免签过境构建“绿色通道”,提供了高可靠、高性能、高扩展的融合数据平台。
加速旅游产业,存储成提升IT效率的核心
据了解,“过境免签”是指外籍人士从一国经转某国前往第三国,不必申请过境国签证即可过境,并可在短暂时间内停留。目前,国务院已批准北京、上海、广州、成都、重庆、沈阳和昆明口岸对部分国家持有第三国签证和机票的外国人实行“72小时过境免签”政策,部分省份甚至申请通过了144小时便利签证政策。
AS8000为出入境信息管理提速
在此大背景下,为形成海陆空多渠道的区域旅游体系,某省公安机关决定建设出入境业务信息管理系统,加速该省旅游产业发展。
针对出入境业务信息管理平台的建设需求,项目相关负责人表示:“存储作为支撑出入境信息管理平台的核心基础设施,如果遇到设备效率低下,便会影响出入境手续的办理效率;如果出现设备故障,可能整个旅游团的行程都可能受到影响。因此,存储系统的高性能、高可靠必不可少的。”
“除去以上需求,这套系统还需要给出入境安全管理和旅游产业开发决策提供数据支撑,这就需要考虑存储平台的可扩展性,以应对未来数据量增长。而考虑到硬件系统的兼容性和后续集中维护的问题,我们在选择平台时更希望获得厂商的整体服务。”他补充道。
以AS8000为核心,浪潮一体化方案支撑起“过境免签”
箭在弦上,不得不发。相关技术部门随后启动了出入境业务信息管理系统采购招标项目。作为中国领先的云计算产品和方案提供商,浪潮利用旗下主机、存储、安全三大产品线的拳头产品,形成了一体化的解决方案,并在评审中获得了专家认可,成为该省出入境信息管理平台的硬件产品和集成服务提供商。
浪潮的一体化解决方案以稳定可靠的产品、高效的性能、未来几年容量及功能的可扩展性作为方案设计根本。主存储系统采用AS8000为关键应用数据提供统存储资源池,并采用一台光纤SAN存储AS500G作为数据的备份设备。在前端采用2台K1主机系统承载数据库平台,并且加载了浪潮SSR主机安全增强系统对主机进行全面的安全保护。3台应用服务器选用了成熟可靠的浪潮NF5270M3做虚拟化平台部署出入境业务信息管理系统,并通过高速8Gb光纤链路连接核心存储,确保数据高效传输。
作为整体方案中的亮点之一,浪潮AS8000在平台部署完成后,充分发挥了其高可靠、高性能、高扩展的特点,全面满足了项目建设需求。
AS8000为过境免签业务提供统一数据资源池
首先,AS8000采用了全冗余架构、全模块化设计,无单点故障,保障业务系统持续运行。同时,AS8000提供的持续数据保护,可以将平台的数据恢复到保护周期内的任意时间点,给前端业务带来持续顺畅的体验和保障。而且,AS8000可提供持续数据保护,将生产数据恢复到保护周期内的任意时间点,解决了连续快照方式只有有限时间点的弊端,实现真正意义上的持续数据保护。
其次,在实际应用过程中,浪潮AS8000的性能更是获得了用户的认可。浪潮AS8000每秒读写可以达到50万,即使是在旅游旺季,出入境业务信息管理系统系统遇到了极高的并发数量,这款产品也能应对的游刃有余。
最后,在扩展性方面,AS8000存储资源池可以无缝的接入新的存储设备,并且随着容量的增加,数据存储性能也将呈现线性增加的趋势,满足其海量存储的需求。
同时,作为一款异构存储设备,AS8000可整合某省公安机关原有不同厂商的存储设备,对外以统一资源池形式提供服务,并根据应用主机所需的容量合理为其分配。这就解决了后续业务系统上线,以及虚拟化平台集中管理的难题。
每年免签数十万人次,免签通道带来的滚滚红利
从长远来看,由出入境业务信息管理系统作为起点的经济生态圈将会越来越大。那么,由浪潮承建的数据存储系统,运行状况能否让某省公安机关满意呢?
“采用浪潮以AS8000为核心的一体化方案后,截止到目前,出入境系统每年支撑数十万人次的免签出入境,系统运行稳健,出入境信息管理平台这条绿色通道从未堵塞,有效拉动了区域的旅游产业发展。”该项目负责人表示。
不仅如此,AS8000具有的异构设备资源整合功能,将在更长远的时间的数据快速增长的需要,并给该省公安机关的大规模数据管理、全局数据容灾、业务整合和创新提供支撑和便利。
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。