PernixData公司即将离任的CTO兼技术布道者Frank Denneman已经证实称,Nutanix方面正在着手对该公司进行收购。
根据消息人士披露的情报,本月早些时候Nutanix公司已经开始对Pernix进行兼并,不过两家企业都没有对这一正在进行中的交易做出确认。
Denneman向我们证实称,他已经离开了PernixData公司,并表示"Nutanix方面已经收购了Pernix"。他同时指出,其无法在合并后的企业中找到合适的角色定位。
而且有观点认为,这两家企业之间的文化融合效果并不明显,而一切差异都需要下大力气进行弥合。
Pernix公司的FVP缓存与Architect数据管理方案将被整合至Nutanix方面的多虚拟机管理程序产品组合当中,这似乎确实拥有光明的发展前景,另外工程技术团队及其他业务部门也将逐渐完成合并。
截至发稿时,Pernix与Nutanix两家公司的欧洲发言人都没有对此事做出任何评论。
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。