当下的数据世界正经历着什么?它又将如何影响着今年的科技市场?人工智能、物联网、深度学习等新技术的不断更新迭代,使得数据呈现出爆炸趋势。另外,今年GDPR的正式实施,同样让各行业用户、数据管理厂商等各机构对数据管理再次重视起来。
无可否认,数据爆炸式增长带来对数据保护的迫切需求,各种新技术例如Web工作负载和移动应用环境的变化,都在重新定义客户的工作方式。"Veritas二十多年来专注于跨平台数据保护领域,随着客户环境的不断演进,Veritas也将核心的价值定位在于两个层面:一是将核心放至跨平台;第二是关注于数据本身和数据保护。Veritas公司大中华区总裁杨晨在发布会上表示。
作为一家数据管理公司,Veritas自上半年推出NetBackup 8.1.1版本后,基于行业市场需求,近日再次宣布推出Veritas NetBackup 8.1.2全新版本。据杨晨介绍,该版本从根本上改善用户界面,更加注重用户体验,进一步简化企业员工数据保护和现代化工作负载的方式措施。
全新Veritas NetBackup 8.1.2采用了业内领先的数据保护技术,无论是在本地环境或是多云环境,NetBackup直观的用户界面都能让员工轻松的保护和监测所拥有的数据。Veritas公司大中华区技术销售与服务事业部总监顾海巍在发布会上重点介绍了此次新版本的用户体验及功能上的改进。
在用户体验层面,据了解,NetBackup 8.1.2的呈现方式和导航方式是采用当下最流行的win10扁平化窗口设计,设计感与现代感倍增。通过窗口化设计在界面上将不同角色所关注的不同深度、不同层面的信息,如数据使用状况、工作完成状况、事件状况及许可使用状况等通过不同窗口整合在一个界面上,非常直观的呈现出来。另外,扁平化设计除了信息整合、信息组织之外,用户的使用感觉像是在使用导航,进入系统后会有更详细的数据展现。
在功能层面,NetBackup8.1.2主要在五个方面进行了改进;
一、 现代化工作负载:支持各种大数据平台、开源平台、列式/行式数据库;
二、 现代化用户体验:开放API,实现基于工作负载的端到端用户体验的极度简单化;
三、 现代化快照管理:在多云环境下,整个数据的备份性能和恢复性能是传统方式无法满足的。新版本发布实现独立性和快速部署,独立于硬件平台;
四、 自动化和集成化:需要运维平台进行结合;
五、 面向VMware环境的现代化保护:40%-50%的负载是在VMware上。针对VMware私有云的保护,做了很多改进。在技术上给客户提供整体价值,主要为客户提供化繁为简、智能体验的使用感受。
"在如今的多云环境下,确实给用户带了诸多益处,同时也带来了挑战。信息孤岛就是其中一项。而数据孤岛又造成了很多数据操作上的孤岛,对这些数据做不同操作时每朵云也是不一致的,企业需要一个统一的数据保护平台。而NetBackup8.1.2针对需求,专门为多云环境做数据保护的平台。顾海巍表示。他认为企业必须要有数据文化,这样才有利于企业未来的业务的发展。
对于未来规划,Veritas在今年将开始开展新的解决方案设计战略,除了数据保护,还将有业务连续性解决方案、业务合规性觖决方案等等,所有的产品、解决方案都将以用户体验设计为战略。顾海巍强调称,目前,Veritas在全球有一支独立的用户体验设计团队,基于成千上万个客户的反馈设计出众多实验性的方案及产品,在操作性、实用性、简单、易用性等方面将更加注重。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。