如今,许多企业发现其现有数据管理和保护解决方案难以跟上其需求变化的步伐,而促使需求变化的原因多种多样——可能是容器或Kubernetes增添的全新工作负载,或是企业云策略调整带来的相应改变,亦或是新出台的数据法律法规对数据管理提出更严格的要求,甚至是近期发生勒索软件事件造成的恐慌等等。无论何种原因,企业不得不重新审视其现有的数据管理和保护解决方案。
据Gartner预测, 40%的企业将在2022年之前更换其在2018年初部署的数据备份应用。也就是说,数据备份解决方案与应用的更换已成为许多企业共同关注的焦点。Commvault认为,无论是选择维持现状还是更换备份解决方案,企业都应当从以下几个关键方面入手。
1.自动化
企业IT环境越来越复杂,然而企业并没有更多的时间或人力能够与之抗衡。因此,企业需要能够有效应对复杂性的解决方案,帮助其简化IT运营的过程。而自动化就是其中的关键。
2.灵活性
您现有的解决方案是否能满足您的需求?数据管理方式又是否受到了特定供应商的局限?企业需要选择适合自身的解决方案,而不是被迫接受某个特定解决方案提供的特定数据管理方式。企业需要确保有关数据策略、保留或行为等方面的任何决策或配置都能按需更改。如同复杂性一样,不断改变也是当今业务和数据环境的重要特征之一,因此企业必须掌握必要的灵活性。
3.成本模型
“钱要花在刀刃上”,即企业花费的成本要能达到其期望的效果。市面上有很多数据管理和保护解决方案及服务,企业应当根据自身业务及财务状况,通过缜密的调查和评估选出最适合自己的解决方案。
4. 可扩展性
可扩展性不止是规模的扩大。企业需要一个支持向上扩展和向下扩展的解决方案,以适应不断变化的数据管理需求。云中运行永久性计算会大幅增加成本,因此可扩展性对评估云中数据和工作负载尤为关键。企业需要能够按需增减资源的弹性,以灵活匹配企业需求。此外,可扩展性还意味着能够根据企业全新的技术和业务需求而扩展相关特性或功能,也就是企业要思考能否在无需全盘推翻的前提下轻松地添加新功能。
重新评估现有数据管理解决方案时,企业必须要全面而谨慎地思考,无论是维持现有方案还是更换新的解决方案,都需要确保能满足企业及其利益相关者的需求。作为数据管理、保护和恢复领域久经验证的领导者和创新者,Commvault可以为企业重新评估现有解决方案的过程出谋划策,帮助企业轻松适应瞬息万变的业务和数据需求。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。