Veeam公司现已推出面向Salesforce用户的数据与元数据保护方案,借此将保护范围从本地和公有云进一步扩大至SaaS应用领域。
这是对Veeam功能的重要补充。与其他数据保护服务商一样,Veeam的早期业务也是备份本地裸机和虚拟化服务器,之后将这部分功能扩展至公有云端,填补AWS、Azure和GCP功能缺失给用户带来的数据隐患。但随着Salesforce和ServiceNow等SaaS应用程序的广泛流行,新的数据保护前沿也由此诞生。之前已经有OwnBackup等专业供应商提供这类数据保护选项,如今Veeam也正式投身于这部分市场。
Rick Vanover
Veeam公司产品战略高级总监Rick Vanover写道,“大部分使用Salesforce的组织都在批量导入数据,而这一导入过程正是造成数据损坏和删除的首要原因。”
Veeam在今年5月发布了其Falesforce备份产品的预览版。
Vanover介绍称,“Veeam可提供对Salesforce数据和元数据的完整访问与控制,并为IT部门及Salesforce管理员提供强大且快速的恢复功能,可恢复对象包括Salesforce记录、层次结构、字段和文件。”
“绝大多数IT专业人士都承认,组织内总会不可避免地发生Salesforce数据丢失,而且他们很少会主动备份。”
Veeam Backup for Salesforce功能概述:
作为同类方案供应商,OwnBackup公司自2012年成立以来就一直保持着高速增长。2020年7月,该公司有2000名员工,但到2022年7月,这个数字就上涨到了4700人。
该公司为Salesforce SaaS和PaaS数据提供安全、日常自动备份、恢复、灾难还原及管理工具。经历先后七轮融资,OwnBackup已经累计筹得5.07亿美元,并将保护范围拓展到了微软Dynamics 365和ServiceNow用户当中。
近期针对Salesforce数据出现了一波“保护热潮”,Salesforce用户迅速在大量相似的新产品中挑花了双眼:
Veeam公司目前拥有超40万客户,此次推出的新功能也将完整覆盖这个群体。毕竟如果坐视需求不理,就相当于放任竞争对手乘虚而入、抢夺自己的客群。我们预计,Veeam及其他主要备份供应商将不断增加SaaS产品的覆盖率,并在市场上OwnBackup展开一番你死我活的竞争。
Veeam Salesforce备份的一到五年期订阅价格为每用户每年36美元,但同时也提供以下两种折扣套餐:
Veeam公司也提供Salesforce备份服务的免费版本,即Veeam Backup for Salesforce社区版。此版本只适用于Salesforce用户许可数在50个或以下的组织,但数据备份和恢复功能一应俱全。
感兴趣的朋友可以点击此处查看Veeam Backup for Salesforce产品概述(https://www.veeam.com/veeam_backup_salesforce_product_overview_ds.pdf),通过这里参阅用户指南(https://www.veeam.com/veeam_backup_salesforce_1_0_user_guide_pg.pdf)。
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。