谷歌与Iron Mountain双方正努力将历史悠久的存储介质磁带引入云环境,从而实现LTO向云的全面迁移。
LTO是一类标准磁带格式,其支持者包括IBM、惠普以及昆腾等等。单一第七代LTO磁带能够存储15 TB数据,该标准还计划升级至第十代,预计存储容量可达120 TB。
不过谷歌公司目前运营有一项名为Cloud Storage Nearline的服务,其每月每GB存储资源起步价格为0.01美元,并承诺恢复时长仅为3秒。这样的速度表现相当惊人,甚至超过了高端磁带库方案。
不过Nearline目前面临着一项难题,即从磁带向云端迁移TB级别数据需要耗费极长时间。谷歌公司给出的解决方案名为"cloud seeding",即寻求合作伙伴并由其提供传输通道,并借此完成数据上传。作为合作伙伴之一,Iron Mountain刚刚宣布将其数据仓库与谷歌基础设施间的传输通道扩大10倍。谷歌方面指出,此次扩容意味着"通过这一链路进行50 TB数据迁移的耗时将低于一天。"
Iron Mountain公司还增添了消费LTO磁带的能力,并将其内容通过自家扩容后的通道传输至谷歌。这意味着磁带数据存储效果将更快且更加易用。
当初谷歌公司刚刚启动Nearline服务时,其预备的服务启动存储容量为100 PB。而这一次,通过Iron Mountain进行存储服务登录的客户则能够享受到500美元信用额度--遗憾的是这一机制仅适用于美国本土。
无论如何,谷歌公司已经针对磁带存储介质做出了明确规划。存储行业曾经无数次预言过磁带的消亡,但其实际消亡却是明年复明年、明年何其多。谷歌与Iron Mountain双方正积极推进由磁带向云存储环境的迁移,但在我们看来仍将有众多企业客户出于种种理由而继续使用内部磁带存储方案。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。