首届"宏杉"杯存储工程师技术大比武于11月11日拉开序幕,面向全国招募存储领域的技术高手。"宏图大志"是本届大比武的主题,主题海报灵感源于好莱坞大片《X战警》的概念,揭示着这次比武将凝聚全国各地身怀绝技的存储高手,掀起一场高水平的存储竞技盛事。"五湖四海皆兄弟,呼朋引伴齐斗法",我们将与宏杉一同见证中国"存储世界"里最具战斗力的"脑王"的诞生。
宏杉摆下的这个"擂台"就像是从海选到现场决赛的一个技术"秀场",赛事将分为【初赛】"擂台战"、【复赛】"军师战"、【决赛】"宏杉盟主"三大阶段,参赛选手将就存储技术的掌握程度、实操能力、创新能力等方面进行比拼,通过线上答题、现场宣讲、上机测试等方式来一决胜负。最终将决出10名脱颖而出的存储工程师,于2017年3月31日齐聚北京,共同争夺万元大奖以及"宏杉盟主"之位。
届时决赛还将通过"映客"等直播APP全程播放,并与观众进行广泛互动,所有对存储技术感兴趣的朋友,不论身处何地,均可通过直播一睹赛事盛况与选手风采。
此次大比武的招募范围面向所有热爱存储技术的工程师,以及宏杉科技MSPE/MSTE认证工程师,他们都各自拥有哪些优势呢?让我们先对参赛选手进行一下分析,看看他们都有哪些"必杀技"!
存储工程师:这是一个广泛涵盖全国各地存储工程师的"鱼塘",特点是藏龙卧虎、技术差异性较大,其中可能既有实力强劲的存储大牛,又有创新能力突出的新锐之秀。
宏杉科技MSTE(MacroSAN Technical Engineer)认证工程师:主要涵盖存储产品操作维护人员与技术支持人员,绝招是对集群系统、数据备份、数据容灾等相关存储技术有深入的了解,并能熟练运用MacroSAN等存储产品来构建存储网络,对存储系统进行升级、维护。
宏杉科技MSPE(MacroSAN Product Engineer)产品工程师:主要面向存储售前工程师,优势是熟练掌握存储基础知识,有着较完整的存储知识架构,并具备较强的存储售前交流能力。
存储是IT基础设施的核心组成部分,也是各种IT业务的支撑平台及信息安全的最后屏障。作为全球网络存储工业协会(SNIA)最早的中国投票会员,宏杉科技凭借团队在存储领域超过十五年的研发经验和技术积累,成为全球存储领域中少数具有从低端到高端全系列产品及解决方案研发能力的高科技企业,以及全球存储行业最具创新力、最专注于用户数据价值的专业企业,而坚持技术创新也正是未来走向更大成功的基础。
宏杉科技市场部副总裁龚军生指出:"随着云计算、大数据等创新技术在企业内部的融合应用,企业迫切需要建设高可用、高性能、高安全性的存储系统,以对企业业务进行支撑,同时,企业内部存储人才的缺口也越来越大。我们希望通过技术大比武这种形式,能激发更多的存储工程师学习存储技术、创新存储思路,培养更多的优秀存储人才。"
全国的存储技术高手已蓄势待发,宏杉"M战警"第一战谁将加冕"脑王"荣誉,让我们共同期待!
好文章,需要你的鼓励
首尔国立大学研究团队提出了"多模态对抗组合性"(MAC)基准测试,评估预训练多模态表示(如CLIP)在理解文本与图像、视频、音频关系时的组合性弱点。研究使用大语言模型生成欺骗性文本,通过样本成功率和多样性双重指标进行评估。团队创新性地提出了多样性促进自训练方法,即使使用较小的Llama-3.1-8B模型,也能显著提高攻击成功率和多样性。实验在COCO、MSRVTT和AudioCaps数据集上验证,该方法优于现有技术,并展示了良好的跨模型迁移性,为构建更可靠的多模态系统提供了重要见解。
SridBench是首个评估人工智能模型科研插图绘制能力的基准测试,由中国科学技术大学等机构研究团队创建。该测试包含1,120个来自自然科学和计算机科学13个学科的高质量样本,并设计了六维评估标准。实验结果显示,即使是目前表现最佳的GPT-4o-image模型也仅达到基本合格水平,文本信息缺失、视觉元素不完整和科学错误是主要瓶颈。这项研究揭示了AI科研绘图能力的现状,为未来技术发展提供了方向。
ChartLens是马里兰大学与Adobe研究院合作开发的创新技术,专门解决多模态大型语言模型在图表理解中的"幻觉"问题。这项研究提出了"后验细粒度视觉归因"方法,能够将AI对图表的分析结果与图表中的具体视觉元素(如特定柱形或数据点)精确关联起来,使AI的回答变得可验证。研究团队还创建了ChartVA-Eval基准测试集,并证明他们的方法比现有技术提高了26-66%的归因准确率,为金融分析、政策制定和科学研究等领域提供了更可靠的图表理解工具。
这篇论文介绍了一个名为"CrEval"的创新框架,用于跨领域评估文本创造力。研究团队构建了"CreataSet"数据集,包含超过10万条人类水平和100多万条合成创意文本,涵盖87个领域。基于此训练的CrEval评估器在与人类判断的一致性上显著优于现有方法,包括GPT-4o。研究发现,结合人类创建的数据和合成数据对训练有效评估器至关重要,且CrEval不仅能评估创造力,还能提升AI模型生成更有创意内容的能力,为创造力评估和提升开辟了新方向。