群晖科技Synology®宣布新增支持腾讯云COS对象存储,用户可以通过群晖NAS提供的Cloud Sync套件将NAS数据与腾讯云COS对象存储进行单向或是双向同步,只需要三步骤就能快速构建低成本的异地备份解决方案。
腾讯云对象存储COS,基于支撑腾讯集团11年存储服务的TFS分布式存储平台。截至2015年,存储规模已达EB级,用户数已达数十亿级别。同时,腾讯云对象存储COS对外提供高达11个9的高可靠性、99.95%的高可用性及全链路安全保障。另外,腾讯云对象存储COS完全兼容S3也降低用户API/SDK的学习成本,提高接入效率。
群晖Cloud Sync可将NAS数据与腾讯云COS、阿里云OSS、Microsoft OneDrive等公有云同步,提供灵活、安全的异地备份解决方案。用户可以依据需求设定同步方向与任务排程,将NAS数据备份至腾讯云COS,或是将腾讯云COS数据备份至NAS。Cloud Sync支持标准、低频两种不同的腾讯云COS存储级别,用户可以针对不同的业务场景和成本需求选择适合的COS产品来进行备份。当需要备份大文件以及在恶劣的网络环境下,Cloud Sync还支持文件拆分功能,可以将文件分片进行独立传输重试,中途暂停后也支持断点续传功能,减少重复上传时间。在安全方面,通过Cloud Sync数据在传输至腾讯云COS前可事先被加密,传输过程及云端数据全程支持AES 256加密,安全保护企业机密数据。
通过群晖Cloud Sync实现异地容灾只需要简单三步:
1. 添加腾讯云COS:前往套件中心,下载Cloud Sync。打开Cloud Sync界面,添加腾讯云COS;
2. 绑定腾讯云COS账号:输入腾讯云COS账号信息,并且选择同步的Bucket;
3. 设置Cloud Sync任务:进入"任务设置"操作面板,选择本地与腾讯云COS需要被同步的文件夹,设置同步方向、文件拆分大小与存储级别,点击"下一步 > 应用"即完成设置
群晖科技中国区CEO陈予建表示:"对企业来说,异地容灾往往需要庞大的预算与维护成本,相较于租用机房并且购买实体机器,通过公有云与群晖NAS的结合,中小企业能够以更低的成本快速实现异地容灾。群晖一直致力于提供国内用户更好的体验,这一次与腾讯云的合作将为用户提供更强大的混合云架构,实现更多的可能性。"
腾讯存储产品中心总经理黄炳琪表示:"腾讯云对象存储COS是面向企业和个人开发者提供的高可用、高稳定、强安全的云端存储服务。我们很高兴群晖NAS支持腾讯云存储COS,群晖在中小企业与家用NAS市场拥有庞大的客户群体,群晖与腾讯云的强强联手将会为彼此用户带来更丰富的应用场景。"
目前,腾讯云对象存储COS为客户每月提供免费额度:50GB存储空间+10GB外网下行流量+10GB 腾讯云CDN回源流量。
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。