据透露,开源Ceph存储系统的研发速度可能比大家的预期更快一些。对于感兴趣的朋友们,根据我们得到的消息,四节点Ceph集群可以利用美光NVMe SSD提供227.7万随机读取IOPS——这样的水平在面对任何标准的考核中都堪称高性能。
美光公司发布了一份长达31页的参考架构(简称RA,https://www.micron.com/resource-details/30c00464-e089-479c-8469-5ecb02cfe06f)文档,旨在宣称其NVMe闪存驱动器能够为Ceph集群(此前曾被称为快速访问存储软件系统)带来的加速效果。
Ceph属于开源存储方案,其利用底层对象存储方案交付文件、块与对象存储资源。其通常利用集群服务器节点构建而成,并借此实现性能、可伸缩性与容错性。此外,其中还设有对象存储节点与监控节点,二者共同为Ceph存储提供虚拟功能池。
该产品目前由红帽以及SUSE开始提供。
其基本参考架构组件包括:
整体系统可容纳7U机架空间,用户可以利用其构建起规模更大的Ceph存储体系。
其侧重于加速块性能,同时亦加速对象IO。美光公司表示性能水平可参考下图所示:
在理想情况下,这套系统的性能水平可以与其它使用NVMe驱动器的SAN阵列或者对象存储阵列进行比较; 但可以肯定的是,其性能将必然高于使用磁盘驱动器的存储系统。
总结来讲,这套参考架构定义了一套得到预先验证且完整记录的系统,可供技术客户及销售商用于构建及部署令人惊讶的高性能Ceph系统。
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。
大模型时代,玛丽·米克尔(Mary Meeker)的名字可能大家不一定熟悉,但是在互联网时代,这位被可被誉为“互联网女皇”的。她是美国风险投资家和前华尔街证券分析师,专注于互联网及新兴技术领域。玛丽·米克尔(Mary Meeker)发了一份340页的《人工智能趋势报告》,粗粗看了一下,并没有非常轰动的观点,但是数据比较全面
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。