北京,2020年10月28 日:云数据管理™备份解决方案的领导者Veeam®Software(卫盟软件)今天宣布,大中华区知名企业捷成集团(Jebsen Group)选择了Veeam Availability Suite及Veeam Backup for Microsoft Office,作为一旦出现数据中断时保护及恢复其关键数据和服务的主要工具,同时还通过创建不可更改的备份来帮助捷成集团加强数据安全性,以抵御勒索软件等突出的网络安全威胁。
因此,捷成集团的数据备份速度提高了50%,为IT和企业用户节省了成本和时间。此外,公司现在可在4小时内恢复全部关键数据,而旧有系统下则需要24小时。现在,新系统每小时都能成功为数据进行备份,并同时把故障降到最低,令企业能够放心运作。 这立即解决了企业因过往应对网络攻击威胁所带来的担忧——虽然企业曾缓解了网络威胁,但随后便意识到需要更好的数据保护和恢复能力以确保最佳的业务连续性。
捷成集团拥有125年的历史,是一家专注于市场营销、投资和分销的企业。随着世界加速进入到数字经济时代,在发生意外中断和安全风险加剧的情况下,确保其关键数据的可用性并得到最大化保护变得至关重要。
“在现代商业世界中,信任和关系极为重要。Veeam的数据保护策略保护了捷成集团的业务数据,并为我们的客户和商业合作伙伴注入信心。通过持续保持数据安全和完整,我们可以不断地帮助客户作出最佳决策,从而在重要市场中推动他们的企业发展,”捷成集团资讯科技总监陈煜民表示。“我们无法完全避免所有的网络攻击,但未雨绸缪是关键。我们的网络安全策略是识别、控制和恢复,而Veeam 可保证我们100%恢复数据。为了恢复及保留一份完整和最新的数据备份,我们必须确保备份工作每时每刻都顺利进行。”
Veeam香港、澳门及台湾地区高级总监陈超成指出:“随着商业世界的发展,Veeam意识到像捷成集团这样的公司面临着越来越大的数据风险,以及不断增加的复杂性和威胁性,因此对数据保护的需求日益增加。我们期待与捷成集团等这样的行业领导者持续合作,确保他们能够在业务连续性和数据保护方面达到所需的水平,在这个加速数字化转型的时代蓬勃发展。”
如今,捷成集团在六大业务线上拥有一个集中的数据保护策略和标准化备份平台,从而提升了从勒索软件等安全威胁中恢复的能力。 此外,Veeam还专门解决了因新的API、上云和远程办公而增加的业务活动所带来的日益严重的网络威胁。 如今,Veeam Backup for Office365可确保在所有办公室中对高级管理人员的邮箱进行额外保护,因为电脑本机的备份并不足够。如果邮箱受到勒索软件等恶意威胁的攻击,旧有的解决方案检索时间太长,难以搜索和恢复过往的邮件。
捷成集团认为Veeam的解决方案易于部署和使用,并提升了IT员工的生产力水平,同时每个分公司现在都可以在事故发生后立即进行灾难恢复。这也为捷成集团整体的数字化转型愿景增添了更大的保障。
自2020年以来,捷成集团投资了新的应用架构以拥抱新兴的数字经济,并推动自身成为数据驱动型企业,与商业伙伴的业务无缝融合。这一转变使数据成为其业务和合作伙伴最重要的基础,而Veeam则通过提供最新的保护级别,以提升企业整体对抗网络风险的韧性。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。