广西省玉林市人力资源和社会保障局肩负着拟订全市人力资源和社会保障事业发展规划,并承担着人力资源市场发展规划和人力资源流动实施细则,建立统一规范的人力资源市场,促进人力资源合理流动、有效配置。毫无疑问,"就业"和"社保"是每年"两会"上关系百姓民生的热门话题,玉林市人力资源和社会保障局作为与当地百姓利益息息相关的机构,一直将"服务好百姓"作为自身政府工作的出发点。
图:玉林市人力资源和社会保障局网站
竖井、老旧、成本飞涨
作为推动机构现代化的排头兵,玉林市人力资源和社会保障局信息中心主要承担两大业务系统的构建和运维:一是社会保险信息系统,主要为各项社会保险业务经办、管理和服务提供支持;二是劳动力市场信息系统,主要为劳动力资源管理、公共就业服务、职业培训、工资价位确定、劳动合同管理提供支持。
玉林市人力资源和社会保障局数据中心,采用传统竖井式架构承载应用,伴随发展,服务器规模已至30余台,而运维人员仅有2人,服务器品牌繁杂,包括IBM、HP、DELL等机型,大量老旧设备带来每年数十万元的维保费用,并且服务器资源利用率徘徊于5%-35%之间,暴露出业务可靠性弱,运维成本飞涨,服务器资源利用率低等问题。玉林市人力资源和社会保障局数据中心建设思路亟待调整,摆在其眼前的问题是如何将IT资源进行有效整合。
池化、整合、轻松上云
在了解用户需求后,浪潮给玉林市人力资源和社会保障局提出云化方案,通过部署两台NF8465M4高性能服务器,联合AS 2800共享存储,搭载社保局数据库系统,保障系统的可靠稳定。另外通过部署3台NF8465M4搭载服务器虚拟化系统InCloud Sphere旗舰版替换掉之前的30多台老旧服务器,建立高效能计算资源池,每一个虚拟服务器,从功能、性能和操作方式上,等同于传统的单台物理服务器,从而大大提高资源利用率,降低成本,增强了系统和应用的可用性,提高系统的灵活性和快速响应,完美的实现了服务器虚拟架构的整合。
值得一提的是,浪潮为用户提供了预装浪潮虚拟化系统InCloud Sphere的浪潮四路服务器,并为用户申请了3个月的免费使用时间。通过利用InCloud Sphere P2V功能,将如杀毒等非重要系统环境在线从老旧物理服务器动态迁移到浪潮服务器上,经过2个月的体验,用户充分感受到新系统给业务带来的不间断支撑,决定将保险信息系统和劳动力市场信息系统两大系统的数十个核心业务进行全面迁移。浪潮"0云"预装,旨在让用户"轻松上云"。
稳定、低成本、高效"云"之窗
玉林市人力资源和社会保障局信息中心罗科长表示,经过详细的规划和辛苦的协调工作,玉林市人力资源和社会保障局已基本建成了以浪潮虚拟化技术为核心的新一代数据中心,并初具规模。 现已整合几乎全部原数据中心的应用,并淘汰大量的老旧设备。目前的数据中心有1个物理服务器集群资源池,共3台四路物理服务器,支撑着近30个虚拟机的高效运行。
保障业务的稳定运行,资源运行效率和管理能力得到提升
采用云化方案后,避免了服务器的单点故障,故障发生时,可快速恢复;设备负载过重时,可分担负载,保证应用稳定快速运行。每台服务器的平均利用率从过去的5%-35% 提高到改造后的60%-70%,另外通过iCenter可以管理虚拟化所涉及的各个方面,不仅IT设备数量大量减少,机房环境也变得易于管理。整个信息中心的管理生产效率都得到显著提高。
降低运维成本,提高系统可用性
降低了系统管理成本,通过对服务器1:10整合比,将原来维护的服务器数量降低到非常低的数量。据估算,通过使用浪潮虚拟化技术,实现了整体拥有成本(TCO)55%-80%的节省。同时使用浪潮虚拟化技术,用户现在不再担心旧系统的兼容性、 维护和升级等一系列问题,低成本地实现了业务系统的高可用性。
实现业务系统快速部署
浪潮虚拟化平台可以提高运营效率,特别是采用虚拟机模板的应用部署方式, 方便IT和业务人员在各自的虚拟化平台上快速部署业务系统,新业务系统部署时间从过去的数月减少到现在的几小时。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。