2023年5月16日,北京 – 日立集团 (TSE: 6501) 旗下提供现代基础架构、数据管理与数字解决方案的子公司 Hitachi Vantara 今天宣布其 Hitachi Content Platform (HCP) 在最新的《GigaOm非结构化数据管理雷达报告:以基础架构为重心的解决方案》中被评为“领导者 (Leader)”和“快速发展者 (Fast Mover)”。该报告评估了市场上的12家供应商,并对他们在大规模基础架构环境中应对非结构化数据管理复杂挑战的能力进行了评级。这是 HCP 连续第三年因在基础架构解决方案非结构化数据管理领域处于领先地位而获得 GigaOm 雷达报告的认可。
有关 HCP 的更多信息,请访问:
该报告突出了 HCP 在一系列指标和标准方面的卓越表现。在全部六项评估指标中,HCP 在架构、可扩展性、灵活性、性能及效率、生态系统五项均被评为“优秀 (Exceptional)”。在全部七项关键标准中,HCP 在元数据分析、全局内容与搜索、大数据分析、合规性、安全性五项均被评为“优秀”。HCP 在两种部署模型(用户管理和 SaaS)中也被评为“优秀”。
GigaOm 分析师 Arjan Timmerman 表示:“要成为 GigaOm 雷达报告中的领导者,公司须在多项关键标准中脱颖而出,例如有能力提供高性能、跨数据的可扩展性以及强大的合规性和安全性。Hitachi Vantara 的 HCP 平台易于使用,能够帮助客户优化和保护其对象存储性能。HCP 提供快速数据处理和数据洞察,可满足当今现代云原生工作负载的迫切需求。正因为此,HCP 被认可为非结构化数据管理领域的领导者。”
可适应复杂云环境的解决方案
在复杂的多云和多供应商基础架构环境中管理非结构化数据是企业普遍遭遇的数据管理挑战之一。GigaOm 雷达报告显示,如果没有合适的数据策略,企业将面临多种运营和业务风险,包括暗数据和孤立数据、安全、基础架构成本以及合规风险。此外,报告还强调,虽然结构化数据存储(或主存储)仍是任何 IT 预算中最主要的支出项目之一,但非结构化数据存储现在占总容量的 80%-90%,并且正在以超越任何其他存储的速度增长。GigaOm 定义的基础架构解决方案旨在针对基础架构层面的数据管理和元数据。Hitachi Vantara 在这些领域表现出卓越的能力,使其成为客户的青睐之选。
Hitachi Vantara 存储产品管理高级副总裁 Dan McConnell 表示:“这一认可肯定了公司对创新的坚守以及满足基础架构解决方案市场上动态变化的需求的能力。随着数据管理的重要性与日俱增,公司必须满足客户在性能、可扩展性、数据智能等方面不断扩展的需求。像 HCP 这样的数据感知产品对于管理成本、获取洞察、支持新应用程序、满足隐私和安全监管要求至关重要,特别是在非结构化数据持续以前所未有的速度增长的情况下。Hitachi Vantara 始终致力于为客户提供卓越的数据管理解决方案。”
GigaOm 雷达报告根据供应商的执行力、创新力以及产品路线图来衡量供应商。雷达图显示,HCP 具备强大的实力基础,可以满足基础架构解决方案市场上客户不断变化的需求。
HCP 提供一个广泛的解决方案生态系统,包括全面、智能的数据管理,以释放数据资产的全部价值。Hitachi Vantara 的 HCP 产品组合在元数据分析、大数据分析、合规与安全性方面表现卓越。无论数据位于企业内部还是云端,HCP 均可为物联网、大数据、非结构化数据提供全面的数据管理。
来自 GigaOm 的最新认可为 Hitachi Vantara 杰出的成绩单上再添光彩一笔。Hitachi Vantara 前不久公布了 TechTarget 企业战略组 (ESG) 对 Hitachi Content Platform (HCP) 的技术测评结果。该测评验证了 HCP 平台的可扩展高性能,测评出具的《Hitachi Content Platform:用于云原生应用程序的高性能对象存储》报告还评估了客户通过数据中心现代化和数据驱动的分析计划可实现的成本效益。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。