Starr的好主意:让文件访问速度更进一步。
以手工方式拔出磁带卡盘
生产混合型闪存磁带卡盘的主意是由SpectraLogic公司CTO Matt Starr在昨天的一次谈话当中提出的。
他指出,LTFS已经在市场上变得越来越受欢迎,但被保存在磁带上的LTFS信息则无法被直接读取--我们需要首先将对应的LTO卡盘插入驱动器才能访问其中的数据。
这无疑需要耗费相当的时间,而且在磁带库当中,会由机器人负责将驱动器从架子上拿下再接入驱动器。即使这样,大家不妨想象一下,如果在磁带卡盘当中加入闪存芯片又会怎样。这意味着LTFS信息可以被保存在闪存当中,从而显著提升读取速度;而且通过这种方式,首文件的读取速度亦能大大改善。
在这套方案当中,闪存将以缓存的形式存在,其作用与在混合型闪存/磁盘驱动器当中一样,而且可以被用于存储/缓存磁带内容元数据。
照这样的思路考虑,那么驱动器需要负责为卡盘供电,同时将读取线缆接入其中,这样闪存芯片就能接受读取操作了。大家甚至可以想象在其中使用迷你USB之类的接口,从而同时实现供电与读取这两项要求。
这可能会成为未来LTO格式规范中的组成部分,例如接下来将要推出的LTO8。我们甚至能够设想甲骨文与IBM等老牌厂商将其纳入自己的专有磁带格式发展路线图。
磁带系统工程师们必须得告诉我们这样的设计方案为什么具有实际价值,而其具体回报又是否值得上由此带来的实现成本。
说到这里,我们想到了另一个更加奇幻的设计思路,即让磁带机器人在从插槽中拿取闪存/磁带驱动器时同时为其接入迷你USB类连线。这样一来,整套系统就能够在卡盘从插槽转移到驱动器内的过程当中即刻开始读取磁带中的元数据。通过这种方式,也许整个延迟时长还能再缩短几毫秒。
好文章,需要你的鼓励
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
Coursera在2025年连接大会上宣布多项AI功能更新。10月将推出角色扮演功能,通过AI人物帮助学生练习面试技巧并获得实时反馈。新增AI评分系统可即时批改代码、论文和视频作业。同时引入完整性检查和监考系统,通过锁定浏览器和真实性验证打击作弊行为,据称可减少95%的不当行为。此外,AI课程构建器将扩展至所有合作伙伴,帮助教育者快速设计课程。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。