4月15日,第九届中国数据中心大会在北京隆重召开。会上,针对2016年度中国数据中心领域有卓越贡献的企业和产品方案进行了表彰。作为国产存储领导品牌,北京同有飞骥科技股份有限公司(以下简称“同有科技”)凭借其专业的存储解决方案提供能力,以及在政府、军队军工、科研院所、能源、交通、金融等行业积累的成功实践经验,被授予“2016年度中国数据中心解决方案优秀供应商”。同时,同有科技NCS系列产品被评为“2016年数据中心自主创新产品”。
中国数据中心大会由中国计算机报社主办,是业界具有专业性和权威性的标杆活动。此次大会吸引了超过千人的数据中心的建设者和运维者,以及数据中心业界专家。除了探讨智慧数据中心的建设和运营,更评选出在数据中心领域表现突出的产品方案及优秀企业。同有科技便是其中存储行业的代表。
从IT时代到DT时代,数据业务呈现出前所未有的繁荣。DT时代的数据中心变得越来越复杂,从它的规划设计,到部署实施,再到运维管理,都面临着跟以往及不一样的需求。同有科技基于近三十年在存储行业的专业专注,针对数据的安全性、业务连续性、数据中心虚拟化、海量数据存储管理等多种大数据典型应用,打造了一系列具备按需交付能力、可定制、自动化的数据中心存储解决方案,为用户提供强大的大数据基础架构存储支撑。
随着数据价值的不断提升,以及越来越多应用的数字化、智能化,数据的安全性及业务的连续性成为了用户重点关注的问题。同有科技打造的双活数据中心解决方案,能够充分保证业务系统连续性,保障数据零丢失、业务零中断。方案采用双存储集群,互为数据镜像,当发生突发状况或人为误操作时,无需人工干预,便可实现业务自动透明切换、无缝接管,确保关键数据和应用的永续运行。特别适用于企业核心业务系统、云平台存储支撑系统、石油地震解析系统、医疗卫生平台与信息系统、公安信息支撑系统等对于业务连续性要求极高的应用环境。
而针对DT时代地理位置分散的海量数据存储处理需求,同有科技量身定制了分布式存储解决方案。该方案通过分布式集群架构将网络中存储节点集合起来协同工作,提供EB级存储容量,并通过千兆或万兆级数据接口,向用户提供海量数据存储、管理和访问服务。通过横向扩展架构,能实现性能、带宽、容量的线性扩展。通过集中资源、集中管理、集中监控和配套实施统一的大数据应用环境,满足未来业务不断发展所产生的容量和性能需求。
据了解,由同有科技打造的多个大数据存储解决方案,已经被成功应用于国家发改委、国家工商总局、河北省人民检察院、湖北公安厅、吉林国土资源厅、广发银行、新疆油田、广钢集团、青藏铁路等多个行业大型存储项目。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。