中国北京,2019年7月31日——在今日举行的AWS技术峰会2019北京站上,Cloud Volumes ONTAP for AWS在中国正式发布。依靠Cloud Volumes ONTAP for AWS的强大性能,中国企业将能够获得简单、快捷、无缝的混合云数据管理体验。
作为业界领先的企业级存储管理解决方案,Cloud Volumes ONTAP基于NetApp ONTAP存储操作系统构建,可以为AWS提供安全且业经认证的数据管理服务。Cloud Volumes ONTAP将数据控制和企业级存储相结合,其功能包括使用NAS和SAN协议(NFS、SMB/CIFS和iSCSI)的文件分享及块存储、灾难恢复(DR)、备份和存档、DevOps、数据库(SQL、Oracle、NoSQL)或处理其它企业级工作负载。
作为NetApp Data Fabric的重要组成部分,Cloud Volumes ONTAP现已在世界各地的不同行业中得到成功部署,包括媒体、教育、商业服务等。其主要优势包括:
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。