高性能计算向外扩展NAS设备Panasas已经完成了今年的定期系统升级:ActiveStor(简称AS)20阵列将取代原有AS18,帮助用户更为顺畅地承载自身高性能计算负载。
这已经是第八代ActiveStor产品,其中第六代AS16诞生于2014年7月,而第七代AS18则诞生于2015年7月。AS20提供更为可观的存储容量、传输带宽、文件系统规模以及IOPS与带宽形式的数据吞吐能力。
其磁盘存储容量已经由AS18中的8 TB提升至AS20中的10 TB,此次选用的是HGST提供的He10氦气填充式驱动器。每台设备的闪存存储容量亦有2.4 TB提升至8 TB。每台AS设备的最大存储容量由122.4 TB提升至208 TB,其中闪存容量为8TB,磁盘驱动器则提供余下200 TB。
其最大传输带宽由195 GB每秒提升至360 GB每秒,而最大IOPS则由176万增长至260万(多谢你,至强同学),且命名空间大小亦由20 PB增加至45 PB。就参数来看,新一代产品的存储容量与性能都得到了显著升级。
与上代产品一样,新的AS20同样运行PanFS操作系统,版本为6.1。PanFS 6.0版本于2014年6月推出,因此6.1应该已经开发完成。
与竞争对手DDN Storage不同,Panasas公司提供单一向外扩展NAS系统,而无需利用系统组合承载多种高性能计算软件环境、对象存储以及突发性缓冲需求。
AS20设备目前已经开放预订,并将于本月之内正式投放市场。
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。