Nutanix公司已经邀请谷歌云业务负责人Diane Greene在其.NEXT 2017大会上进行主题演讲,这意味着双方很可能正在就混合云事务建立起新的合作关系。
Nutanix公司告诉我们:“.NEXT大会展示了企业云以及数据中心技术领域中的创新成果正如何转变企业的运营方式。”其指出,各位与会者将在这里了解新的虚拟化、灾难恢复、DevOps以及非结构化数据功能等云解决方案。
此次大会上已经确定的演讲嘉宾包括:
谷歌云业务高级副总裁Diane Greene
本届.NEXT大会的一项重要议在于“利用AWS构建一键式混合云”——即让公有云成为混合云整体架构中的一大重要组成部分。
戴尔-EMC融合型平台与解决方案事业部总裁Chad Sakac与该部下旗下超融合型设备业务副总裁Alan Atkinson也将在本届大会上作出发言。
戴尔-EMC与Nutanix公司以OEM合作方式打造的超融合型设备明显与前者自家的VxRail方案存在激烈竞争。戴尔最初先与Nutanix方面达成了OEM协议,而后收购了EMC并由此获得后者掌控的VxRail产品——目前戴尔-EMC正对两套系统进行同步销售。
而在联想方面,Nutanix也已经与其建立起合作伙伴关系。
这里我们冒昧地提一句,作为硅谷的一位重量级大牛,Diane Greene在本届.NEXT大会上的出席绝对有所意味——甚至可能代表着谷歌与Nutanix双方已经达成合作意向。
.NEXT大会将于今年6月28日到30日在华盛顿特区的盖洛德国家度假会议中心举行。
好文章,需要你的鼓励
这项研究提出了HoPE(混合位置编码),一种针对视觉语言模型的新型位置编码技术,专门解决长视频理解的挑战。传统位置编码技术在处理长视频时表现不佳,HoPE通过两个创新解决了这一问题:混合频率分配策略(为空间信息分配高频,时间维度使用零频率)和动态时间缩放机制(根据视频速度灵活调整时间编码)。实验证明,HoPE在长视频理解和检索任务上分别提升了8.35%和22.23%,为AI更准确理解长视频内容开辟了新途径。
东京大学研究团队推出MangaVQA基准和MangaLMM模型,专门用于评估和提升AI对日本漫画的理解能力。MangaVQA由526个高质量手动创建的问答对组成,用于评估AI系统对漫画内容的深入理解;MangaOCR则专注于漫画页内文本识别。基于这两个基准,研究团队从开源多模态模型Qwen2.5-VL微调出MangaLMM,能同时处理文本识别和内容理解任务。实验显示,即使是GPT-4o等顶尖商业模型在处理漫画的独特复杂性时也面临挑战,而专门训练的MangaLMM表现出色。
这项研究由ISTA和谷歌研究院联合开发的"影响力蒸馏"方法,通过利用二阶信息为训练样本分配最优权重,实现了大语言模型训练数据的高效选择。该方法在数学上有坚实理论支持,并创新性地引入"地标"近似技术,仅需计算少量样本的精确影响力,再高效传播到其他样本,大幅降低计算成本。实验证明,该方法在多种模型和任务上均优于或匹配现有技术,同时实现了高达3.5倍的速度提升,为大模型训练开辟了更高效的路径。
来自哈佛大学等顶尖学府的研究团队在这篇论文中挑战了传统观念,认为Token压缩不仅仅是提高AI模型运行效率的工具,更应成为生成式AI模型设计的核心原则。研究表明,精心设计的Token压缩策略可以促进多模态深度整合、减轻AI"幻觉"问题、增强处理长序列输入的能力,并提高训练稳定性。论文详细分析了现有方法的局限性,并提出了算法创新、强化学习指导和硬件协同设计等未来研究方向。