2016年4月,浪潮存储斩获财年首个国内大型股份制商业银行数据中心采购大单。中标产品包括11台AS8000-M2中高端存储和22台FS5800光纤交换机,合同总金额达到千万级。
浪潮中高端存储中标某大型银行
该银行11台AS8000-M2主要是应用在其开发测试环境中,用于应用上线前的压力测试。目前,浪潮存储设备已经按期完成供货,浪潮存储的高品质和快速、守时的供货能力获得了该银行的好评。
金融业务由于数据价值大、强一致性要求严苛,处于各行业价值链的顶端。这就可以理解,以高端为核心策略的浪潮存储,为何将金融行业作为重点突破目标。目前,浪潮已入围中行、建行、交行、邮储银行的集采,并在齐鲁银行、城商行、桂林银行等赢得大单,建立稳固的市场地位。
浪潮一直注重对创新存储技术的深耕,AS8000-M2正是它通过浪潮10多年企业级存储上的技术积累,加上AS8000整体系列历经数代产品技术迭代和500多个典型项目实操,实现的产品在异构、统一管理和高级数据功能上的领先优势。2016年,以某大型银行的千万级中标为"开门红",浪潮存储将朝着业务翻番的目标快速行进。
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。