在超融合基础设施一体机领域,x86主导一切。对于已经把x86服务器业务卖给了联想的IBM来说可能是个例外,但是你可能会感到意外。
本周在尼斯举行的Nutanix .NEXT大会上,你会看到有大约30多家合作伙伴参会,其中有多家备份合作伙伴——Exagrid、CommVault、Druva、HYCU、Rubrik、Unitrends、Veeam、Veritas。第三方数据保护是Nutanix生态系统的很大一部分。
在硬件方面,联想的服务器运行Nutanix的软件。Dell EMC运行XC HCA系统。然后你看看IBM。
IBM的立场是由Nutanix提供支持的超融合系统,也就是POWER系统。有1U和2U的一体机运行Nutanix Enterprise Cloud Platform软件,采用AHV。IBM将其定位为针对高性能工作负载,在这方面POWER胜过x86。
IBM表示,POWER系统平均每1美元的性能要比x86服务器高出80%。
此外IBM还提到了WebSphere Application Server、NGINX、BigInsights/Hadoop和NoSQL数据库。
这个1U设备是CS821平台,采用2个10核2.09GHz POWER9处理器,4个10GbitE端口,4个SAS接口的三星SM863a SSD,有480GB、960GB或者1.92TB三个容量点。
2U节点的CS822平台配置了2 x 11-core 2.89GHz POWER9处理器,相同的以太网端口,8个三星的SSD。
欢迎IBM加入HCIA的行列,给你的HCI加入更多“Power”吧。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。