整合CI、闪存与融合型解决方案。
NetApp公司正着手建立云基础设施业务部门,其下将统辖FlexPod、SolidFire以及StorageGRID,且计划雇用一位云服务高手负责运行。
Brad Anderson就是这位高手,其此前曾担任Gravitant公司总裁兼COO(这家云服务经纪公司于2015年11月由IBM公司收购)。继续回溯,他于2005年到2012年担任戴尔公司企业产品部门总裁,1996年到2005年间则出任惠普公司工业标准服务器部门高级副总裁兼总经理。
NetApp公司CEO George Kurian对Anderson不吝赞扬之词:“Brad很清楚如何让一家企业迅速发展,以应对充满活力的市场,并将多种新兴产品转化为价值数百万甚至数十亿美元的业务。”
云基础设施业务部门将专注于帮助客户构建云基础设施产品组合,其中融合型基础设施解决方案FlexPod、SolidFire以及StorageGRID由Anderson负责管理,此外还与富士通公司协作开发nFlex。
不过他并没有提到E系列或者ONTAP阵列产品的消息。
NetApp公司的一位发言人表示,产品运营执行副总裁Joel Reich将“领导我们的存储系统与软件业务部门,该部门专门提供相关产品组合以帮助客户利用新型解决方案实现应用程序与业务产出加速,从而实现IT环境现代化。”
“存储系统与软件业务部门还提供核心存储工程技术、运营,外加面向全部业务部门的产品分析、计费与预测服务,其中包括ONTAP以及E系列产品。”
Kurian解释称,这一全新业务部门与Anderson将共同贯彻NetApp公司提出的“致力于通过我们一流的融合型基础设施与超融合型基础设施解决方案,帮助客户构建下一代数据中心”的愿景——其中所指的自然包含大部分内部私有云及服务供应商方案。
融合型基础设施代表着FlexPod,而超融合型基础设施则代表着基于SolidFire的产品。这里我们大胆推测,Anderson将与SolidFire公司创始人Dave Wright开展合作——后者目前任NetApp公司技术战略副总裁,并曾在NetApp内部担任过SolidFire副总裁兼总经理。
Anderson还将迎来另一位新同事——去年3月刚刚加入NetApp公司的Anthony Lye。二位将共同运营NetApp公司的云业务部门,此部门曾在公司内部建立有一系列公有云与混合/多云数据服务及合作关系。
该云业务部门已经被更名为云数据服务业务部门。
这位NetApp公司发言人表示:“Anthony领导我们的云数据服务业务部门,并将专注于相关产品组合以帮助客户充分发挥公有与多云解决方案的力量,从而实现现代数据管理应用程序与服务的应有功能。”
“云数据服务还将为所有业务部门提供工程共享态度服务、CloudSync、AltaVault以及NPS(即NetApp云存储专用存储方案),这一切都将包含于该部门当中。”
根据我们了解到的情况,Lye下辖的产品组合还将包括ONTAP Cloud、Cloud Control、Azure NFaaS以及NFS with AWS。他将比Anderson拥有更多与公有云相关的产品方案。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。