融合型二级存储初创企业Cohesity公司已经在其集群化存储阵列中添加公有云层,此次一同被纳入的还有加密与复制等功能。
Cohesity公司希望其超融合型C2000硬件与OASIS软件能够构建起单一存储平台,从而承载各类企业之二级数据。OASIS 2.0版本此次新增:
Cohesity用户界面仪表板。
OASIS是一套向外扩展的分布式文件系统。Cohesity公司目前主要强调其Converged Data Platform(简称CDP),而非OASIS软件。根据该公司的说法,其希望将这套方案用于帮助客户合并二级存储用例,包括数据保护(备份与灾难恢复)、测试与开发、分析以及文件服务等等。
高速一级存储可由Pure Storage公司的全闪存阵列产品充当,而Cohesity则为其提供二级存储后端——感兴趣的朋友可以点击此处查看Pure/Cohesity产品组合指南(英文原文,PDF格式)。
归档层叠加于现有闪存与磁盘层之上,并负责提供使用成本更低的冷门数据存储资源。Cohesity公司CEO兼创始人Mohit Aron表示“取代了几十年来大家所习惯的由向上扩展型基础设施作为二级存储机制的作法”,我们猜测其中也会用到主流双控制器阵列方案。
将CDP定位为单一通用型二级数据用例平台的思路可能会逐步瓦解,取而代之的是将陈旧数据交由公有云环境负责承载。不过也有人认为,归档实际是属于三级数据用例,而公有云的成本优势也会促使Cohesity客户更倾向于使用云资源、从而取代对内部归档数据存储方案的依赖性。
OASIS 2.0版本还添加了备份数据流自适应机制,“旨在最大程度降低客户生产基础设施承受的负担。”而这也是Cohesity公司服务质量标准中的重要组成部分。
我们同时了解到,Active Directory支持能力亦即将到来,也许具体时间为今年晚些时候; 而Cohesity公司正在考虑推出基于服务供应商以及角色的访问控制机制。
目前Cohesity Data Platform 2.0已经正式投放市场,起步价格为9万美元。
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。