在Gartner一年一度的对象存储魔力象限中,有三个新来者和一个消亡者。
在Gartner公布的2017年分布式文件系统和对象存储系统魔力象限中,以“前瞻性”和“执行能力”两个维度对分布式文件系统和对象存储厂商进行了评估。四个象限分别是下方的“特定领域者”和“远见者”,以及上方的“挑战者”和“领导者”。
下面就让我们看看2017年10月版的魔力象限,然后是去年的版本。
需要注意的一点是,领导者和挑战者没有太大改变,只有象限内的小幅位置移动。HDS变成了Hitachi Vantara,因为日立的业务部门进行了重组和命名。
Qumulo以远见者的身份进入该魔力象限,HGST和StorageCraft(Exablox)以特定领域者进入象限。
Panasas曾经是在特定领域者象限,现在已经完全消失了。
关于这些新进的和消失的厂商,Gartner是怎么说的?
- Qumulo的业务扩展到了北美之外的地区,现在已经得到了Gartner魔力象限的认可
- HGST ActiveScale已经突破了面向生产客户的限制,现在得到了Gartner魔力象限的认可
- StorageCraft (Exablox) OneBlox产品开发现在覆盖了多种使用实例,这得到了Gartner魔力象限的认可
- Panasas:在2017年的魔力象限中Gartner对入围标准做了修改,仅包括那些可应对多种使用实例的厂商,而Panasas ActiveStor并不满足这一条,因为它只针对商业高性能计算
Gartner分析师认为,到2021年将有超过80%的企业数据保存在企业的横向扩展系统和云数据中心内,高于如今的30%。这对于该领域中的初创公司和新来者是个好消息。
分析师建议我们应该关注特定的一些厂商,因为这些厂商开始在非结构化数据存储市场获得更多关注:
- Elastifile
- 微软
- Hedvig
- Minio
- Nexenta
- Pure Storage
- 浪潮
明年的魔力象限期待看到一些有趣的变化。
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。