甲骨文推出业界首款云融合存储,开创了大型公有云提供商将自己的云服务与自己在企业本地部署的高性能NAS存储系统集成的先河。最新推出Oracle ZFS存储系统产品之一的Oracle ZFS云软件,可让企业便利、无缝地将数据或应用程序迁移至云端,在优化价值、节约成本的同时,无需外部云网关,且无需支付软件授权和云访问授权的费用,这意味着本地部署供应商从其基础架构平台访问公有云将无需支付“云接入税”(cloud entrance taxes),这使得甲骨文的总体拥有成本比业界某个竞争对手低了87%。
甲骨文这一解决方案成功帮助用户减轻包袱,用户无需自行完成本地部署与公有云的集成,应对各种不同安全要求、支持团队、行业标准和技术的环境,同时也无需担心端到端的可视性、诊断和支持的问题。实际上,甲骨文是唯一一家可将本地部署与云端融合成单一解决方案的公司,其他本地部署NAS存储的提供商没有公有云,无法提供如此高水平的融合性和经济性;而其他公有云提供商也缺乏本地部署的高性能NAS存储系统。
Enterprise Strategy Group业务总监及高级分析师Mark Peters表示:“由于Oracle ZFS云,对于没有本地部署高性能存储系统的公有云提供商和缺乏真正集成公有云的传统硬件供应商来说,甲骨文是极大的挑战。甲骨文的产品具备真正的混合数据能力,其ZFS存储系统上了“云保险”,可极大程度提升用户体验,为企业创造价值。”
甲骨文存储与融合基础设施副总裁Steve Zivanic指出:“云的广泛应用迫使IT从业者必须重新审视企业的基础设施,使其能够与新技术相容的同时确保企业在未来不落伍。通过Oracle存储云与Oracle ZFS存储系统相融合,企业可运用最高性能的存储系统满足本地部署的需求,并在必要时将其无缝延伸至Oracle云资源。Oracle ZFS云可帮助客户弭平当前基础设施与公有云部署之间的差距。”
高性能Oracle ZFS存储系统的容量超过了1EB(exabyte),是Oracle公有云和IT的存储基石,它与Oracle存储云的融合可让用户尽享闪存的功能和Oracle存储云的敏捷、简单和弹性的扩展能力。甲骨文的客户可将云融合存储用于弹性的应用程序存储、备份与恢复、开发、测试、动态归档存储、快照复制存储、在本地部署和Oracle存储云中用于开发运营的单一一个应用程序接口和直接迁移(lift-and-shift)工作负载。从此,无需改动应用程序便可利用部署在本地的高性能Oracle ZFS存储系统和Oracle存储云中的数据。
最新发布的一系列Oracle ZFS存储系统创新产品扩展了Oracle数据库动态自动化的功能,将数据库管理员的效率提高10倍,同时加入全闪存池,加速关键业务应用程序的运行,相关功能的提升包括:
Oracle ZFS存储系统具备极致的性能和最高等级的稳定带宽,以及适合在云端和本地部署的数据密集型应用程序,深受全球领先的金融服务、电信、半导体、油气、媒体和娱乐公司的信赖。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。