Avere公司在云环境下推出非大数据存储解决方案。Avere公司目前正在利用自家虚拟FXT文件加速软件在AWS云环境下构建三个存储层级。
其总体思路是由客户在AWS云当中运行计算实例,而运营方则使用文件数据,这就意味着云环境中需要拥有一套NAS。大家可以利用该方案为文件数据选定合适的存储位置:EC2 RAM用于提供速度最快的访问效果;EBS通用型SSD分卷的速度稍慢但成本也相对较低,适用于对速度拥有一定要求的访问操作;而S3则充当成本最为低廉而速度也最慢的文件存储方案。
Avere公司的虚拟FXT产品能够将大数据保存在S3当中,同时提供缓存机制以帮助AWS云执行应用能够借此拥有更理想的访问速度,该公司解释称。
对于非大数据用户,Avere方面表示大家应当将自己的数据分发至这三个存储层当中,从而妥善且高效地利用虚拟FXT中的缓存机制从速度较慢的云存储环境中获得更理想的数据访问速度。
CloudFusion正是由此概念转化而来的一款产品。Avere公司表示:“基于数据访问模式与内部缓存算法,CloudFusion能够自动将‘热门’或者称之为高使用频率之数据保存在Amazon EC2 RAM当中,而‘稍热’数据则被旋转在Amazon EBS通用型SSD分卷内以确保其拥有理想的响应水平。最后,访问率极低的‘冷门’数据则在Amazon S3当中享受最佳数据保护效果以及最低的存储资源使用成本。”
CloudFusion的功能集包括“利用快照保护数据免受意外删除及损坏状况之影响,利用加密机制保护数据免受未授权访问,利用压缩功能最大程度提高存储空间利用率并配合一套易于使用的Web GUI进行设置以降低管理难度,同时提供直观功能帮助管理人员查看文件在CloudFusion当中的运作情况。”
Avere公司CEO兼总裁Ron Bianchini发布了一份声明,表示:“客户将能够借此在Amazon EC2之上运行标准NAS应用程序,同时将大规模数据保存在Amazon S3当中以实现成本优化以及适用于各类应用的性能水平。”
很明显这是一套云NAS解决方案,而Avere公司已经在Parascale遭受失败的领域获得了成功。从理论层面讲,我们应该能够较为轻松地将其扩展至谷歌云、Azure乃至OpenStack环境当中。
另外如果Avere公司未来逐步将其产品推广至云环境下的文件数据保护机制交付领域,我们也不会感到意外。事实上,其目前已经支持Amazon的Glacier冷门数据存储服务。
目前CloudFusion已经拥有了自己的一套微型网站,而该软件也在AWS应用市场上正式上架,其中面向AWS r3.xlarge实例的最终用户使用成本为每小时0.99美元起。该产品现在提供为期21天的免费使用期,不过AWS资源的使用费还是要由用户自行承担。
CloudFusion适用于Amazon EC2、Amazon EBS以及Amazon S3,三者的使用成本按照目前的实际计费机制分别计算。
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。