6 月 3 日,上海英方软件(以下统称“英方”)联同华为云在华为智慧金融峰会2021现场,共同发布异构数据库和GaussDB同步解决方案。该方案旨在结合双方产品的技术优势,为金融等行业用户提供更快速、更灵活的数据库数据同步方案。
如今,越来越多金融机构通过数字化技术,驱动业务升级,优化组织架构。随着金融行业数字化程度的加深,海量增长的数据及不断拓展的线上业务系统,让金融机构的数字化挑战逐渐升级。像实时分析、实时风控等业务场景,则要求更快速、实时的海量数据同步、汇聚、分发等操作。
金融用户的需求不再局限于数据安全、业务双活等,而是更多地关注数据处理的时效性和准确性。这种现象不仅集中在金融行业,在政务、医疗、企业等行业也日益凸显。为了更好地同金融及其它行业用户迎接数字化转型升级,英方联合金融级分布式云数据库GaussDB(for openGauss),提出全新的异构数据库和GaussDB同步解决方案,帮助用户实现同构、异构数据库间的数据实时同步。
GaussDB(for openGauss)是华为自研的金融级分布式云数据库,目前广泛应用于金融、电信等领域,为用户的关键系统提供:
高吞吐、强一致性事务处理能力;
两地三中心金融级高可用能力;
分布式高扩展能力;
大数据高性能查询能力。
英方软件在本方案中集合了数据库与大数据同步的两大重磅产品 i2Active 和 i2Stream,两款产品基于英方数据库语义级复制技术,能够分别实现同构数据库的容灾备份和异构数据库、大数据平台、消息队列等平台间的数据同步和分发。
该方案可通过对数据库日志文件的采集、解析、传输、执行等操作,有效实现金融级分布式云数据库GaussDB(for openGauss)到金融级分布式云数据库GaussDB(for openGauss) 间的数据实时同步,以及各类数据库与金融级分布式云数据库GaussDB(for openGauss) 间的数据互通,满足用户面向异/同构数据库、大数据平台及非结构化数据的实时同步需求,帮助更多的金融用户打破“数据孤岛”,实现分散、异构数据的快速汇聚。
异构数据库和GaussDB同步解决方案对数据同步无距离限制,同步速率可达 7w rows/s,对主数据库系统的性能影响小,单核 CPU不超过 5%,用户可根据需求配置内存及带宽占用;全图形化操作界面,无需底层配置操作,对运维人员来说简便易用。
此次联合方案的发布,是继双方在文件、块、系统层容灾、备份联合解决方案之后,在数据库容灾和同步方面的又一次联合;也是对双方战略合作广度的有力拓展。除解决方案之外,英方同华为云还共同为政务、医疗、教育、金融、企业等行业用户提供数字化服务,服务地区遍布全球,如中国 FAST 天文台超高速数据迁移项目、珠峰保险云灾备项目、卡塔尔 Meeza 云灾备项目等。
双方在金融数据库领域的强强联合,不仅表现了双方对自身数字化服务能力水平的信心,更凸显了双方在其他领域合作的决心。双方将以数据复制技术、云计算、大数据等核心技术为切入点,共同加速助推金融及其他行业的数字化转型和服务升级。
华为向金融机构提供基础架构升级、敏捷创新升级、数据智能升级、普惠服务升级和产业金融升级,加速数字化转型,实现智能升级。截至2020年底,华为已服务全球60多个国家和地区的2,000多个金融客户,包括全球Top100银行中的47家。
华为全球金融峰会是由华为主办、聚焦金融行业的全球性ICT盛会,始创于2013年,与会嘉宾均是金融行业机构的业界精英。华为智慧金融峰会2021于6月3日—4日在上海举办,以“数智金融,升级有道,共创行业新价值”为主题,本次大会从战略、商业、技术、生态四个维度,探讨如何共同加速迈入智慧新金融,共创行业新价值。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。