作者:麦老师
对于 PowerStore 来说,这是令人兴奋的两年。自PowerStore平台于 2020 年 5月推出以来,我们一直保持着令人难以置信的创新速度,并取得了相当成功的销售业绩。三个功能丰富的主要版本、三个年度产品奖、在 90 多个国家/地区的 12,000 多次成功部署、5,000 万客户运行小时数和多个 EB 的有效容量安装。在推出一年之内,PowerStore 就成为戴尔历史上发展最快的新存储架构。
PowerStore之所以成功,是因为我们帮助我们的客户一次又一次的成功。我们的客户懂得并相信PowerStore平台的关键设计承诺,即保持持续现代化,并随着业务需求的发展而发展,以从根本上长期简化IT。过去的两年,我们通过卓越的“软件优先”的功能,如AppsON、智能横向扩展、动态弹性引擎 (DRE) 以及越来越多的用于DevOps和容器 的存储自动化工具支持这一承诺。
“我们选择 PowerStore 的一个重要原因是随时升级计划。随着我们需求的不断增长,我们计划在未来利用这一优势。” – Richard Semple,得克萨斯州威廉姆森县首席信息官
欢迎来到持续现代化的下一阶段
但我们并没有停滞不前,PowerStore 3.0是 PowerStore 历史上最大的版本发布。主要有两个方面:
无论新购还是现有客户数据就地升级,PowerStore 3.0将帮助您做三件重要的事情,以便使您在瞬息万变的世界中保持竞争优势。
提升工作负载性能
创新无极限
不仅仅是性能。PowerStore 3.0极大地扩展了该平台的高级企业级功能的阵容,为您在 PowerStore 上构建下一个突破提供了更大的灵活性。
保持持续现代化
所有这些好消息的幕后英雄是 PowerStore 的总体设计原则。革命性的架构不仅在购买时充满了灵活性和发展空间 — 而且PowerStore 还随着时间的推移简化了新功能的获取,因此您知道您的工作负载始终在最新技术上运行。
我特别高兴地向购买了随时升级计划 (Anytime Upgrade program) 的第一代PowerStore 客户展示了他们即将获得的好处。这些客户将以零额外成本获得 3.0 软件、第 2 代硬件升级和 ProDeploy 部署服务。他们只需选择何时兑现这个好处,其余的由我们处理,而他们的工作负载将不中断运行。这是您可以通过本地存储获得最接近云体验的方式。
无论您以何种方式(传统CAPEX还是APEX Flex on Demand)购买的原来的PowerStore,都要充分利用3.0版本提供的现代化选项。他们一直都是计划的一部分。如果您还没有购买PowerStore,请联系您的戴尔销售代表,了解为什么世界各地的IT专业人士都在使用PowerStore。
无论哪种方式,使用 PowerStore,您都会发现一切从简单开始,然后一直保持简单 – 这个适应性强、不断创新的平台将为您带来真正的长期业务优势。
好文章,需要你的鼓励
首尔国立大学研究团队提出了"多模态对抗组合性"(MAC)基准测试,评估预训练多模态表示(如CLIP)在理解文本与图像、视频、音频关系时的组合性弱点。研究使用大语言模型生成欺骗性文本,通过样本成功率和多样性双重指标进行评估。团队创新性地提出了多样性促进自训练方法,即使使用较小的Llama-3.1-8B模型,也能显著提高攻击成功率和多样性。实验在COCO、MSRVTT和AudioCaps数据集上验证,该方法优于现有技术,并展示了良好的跨模型迁移性,为构建更可靠的多模态系统提供了重要见解。
SridBench是首个评估人工智能模型科研插图绘制能力的基准测试,由中国科学技术大学等机构研究团队创建。该测试包含1,120个来自自然科学和计算机科学13个学科的高质量样本,并设计了六维评估标准。实验结果显示,即使是目前表现最佳的GPT-4o-image模型也仅达到基本合格水平,文本信息缺失、视觉元素不完整和科学错误是主要瓶颈。这项研究揭示了AI科研绘图能力的现状,为未来技术发展提供了方向。
ChartLens是马里兰大学与Adobe研究院合作开发的创新技术,专门解决多模态大型语言模型在图表理解中的"幻觉"问题。这项研究提出了"后验细粒度视觉归因"方法,能够将AI对图表的分析结果与图表中的具体视觉元素(如特定柱形或数据点)精确关联起来,使AI的回答变得可验证。研究团队还创建了ChartVA-Eval基准测试集,并证明他们的方法比现有技术提高了26-66%的归因准确率,为金融分析、政策制定和科学研究等领域提供了更可靠的图表理解工具。
这篇论文介绍了一个名为"CrEval"的创新框架,用于跨领域评估文本创造力。研究团队构建了"CreataSet"数据集,包含超过10万条人类水平和100多万条合成创意文本,涵盖87个领域。基于此训练的CrEval评估器在与人类判断的一致性上显著优于现有方法,包括GPT-4o。研究发现,结合人类创建的数据和合成数据对训练有效评估器至关重要,且CrEval不仅能评估创造力,还能提升AI模型生成更有创意内容的能力,为创造力评估和提升开辟了新方向。