现在,教育互联网已经成为一个炙手可热的"风口",吸引着大量的资本,全国电教馆的作为重要的教育部门,更要紧跟时代需求。寿光市教育局负责承建全国电教馆四大分中心之一--山东分中心业务。日前,运用浪潮存储AS8000虚拟化网关及高性能存储AS5600打造的高可靠统一存储平台,寿光市教育局实现了教育资源的共享互通,为推动全市乃至全国优质教育资源开发与应用的新机制保驾护航。
教育业务创新,拒绝"信息孤岛"
虽然很多人并不知道电教馆,但实际上,无论是教学办公、宣传交流,还是教育管理,电教馆都扮演着重要角色,特别是在进入互联网时代之后,创新互联网教育应用迫在眉睫,作为关键核心业务承载平台的寿光市教育局更要具备灵活的资源调用能力;同时,教育局管理着海量教学数据,存储存在多平台、异构现象,需要屏蔽各个厂商之间的差异化,为数据容灾做准备。为了进一步深化教育信息化,急需一套高可靠、高性能、高扩展性的整体解决方案,打造一个可持续发展、绿色节能的数据中心。
首先,新建存储平台要打破原有业务系统的"信息孤岛",实现教育资源的共享互通;其次,还要有足够的扩展能力来存储公共服务平台、数字图书馆、动画课堂、名师讲堂、教育期刊、网上作文等系统的数据资源;并且可以做到同一数据中心双活,以及二地三中心的扩展方案。要实现上述目标,存储平台必须做到高性能、高可靠,且能解决目前存在的存储异构问题。
拥抱教育互联网,浪潮助寿光市教育局"翱翔风口"
针对寿光市教育局的需求,浪潮凭借多年深耕IAAS层的经验,运用AS8000虚拟化网关和高性能存储AS5600,为寿光市教育局打造统一高可用的数据中心,实现了以下建设目标。
信息孤岛成为信息"群岛"
AS8000的虚拟卷镜像功能,支持跨异构阵列镜像技术,能够在两台或多台异构存储设备之间建立实时镜像关系,屏蔽存储品牌型号之间的差异,帮助寿光市教育局整合教育资源,打破"信息孤岛",实现共享互通。
业务无中断 极速切换零延迟
AS8000虚拟化网关后端连接两套磁盘阵列,当向存储系统中进行IO写入时,利用网关的VDM功能,数据实时同步写入2套存储系统,实现数据的实时备份和保护。当任意一台后端磁盘阵列发生故障后,实现在线实时切换。从而保障寿光市教育局做到业务无中断,更好地服务于教育教学工作。
概率极小的事故也能hold住
寿光市教育局承载教育系统重要业务信息,要想保证数据万无一失,容灾成为重中之重。AS8000集群支持二地三中心的方案,为数据容灾提供了充足保障。浪潮采用2台AS8000虚拟化网关组成一个高可用集群,通过高速的缓存同步技术,保证写缓存一致。并且,AS8000支持透明传输,不会改变底层存储LUN的数据结构,通过指针的方式做逻辑管理。即使出现两台AS8000都发生故障这样概率极小的事故,前端主机也可直接识别并进行读写,极大保证了整个存储平台的高可用性。
扩展性满足3-5年需求
中国的互联网教育市场潜力巨大,预计2017年达到1980亿元规模,2010-2015年间平均复合增长率达到33.1%。面对大量创新业务的兴起,为了应对高速增长的数据量,并为未来业务打好基础,保障寿光市教育局紧跟时代,让教育走在发展前列,浪潮采用新一代存储AS5600,最高可扩展至15PB的存储容量,满足寿光市教育局未来3-5年的业务增长需求。
浪潮存储AS8000虚拟化网关运用强大的存储虚拟化功能,消除品牌差异,同时提供多种高效而灵活的方案选择,实现多重数据保护,确保数据的完整性和业务的连续性;AS5600能够将存储资源与业务优先顺序相匹配,从而实现更高的系统利用率,并提供强化后的系统整合功能以及更快的投资回报(ROI),打造了一个开放、共享、安全、高可用的存储平台,助力寿光市教育局进一步围绕教育部改革发展大局,探索新的教育教学工作机制,成为深化教育信息化应用的重要驱动力。
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。