分析领域的领导者SAS与TD SYNNEX签署协议,宣布后者成为SAS®解决方案供应商合作伙伴的全球主要分销商。TD SYNNEX(纽约证交所代码:SNX)是全球领先的IT生态系统分销商和解决方案集成商。这是SAS首次采用两级渠道分销模式触达美洲、欧洲和亚洲大部分地区的精选客户,为其提供包括SAS® Viya® 云平台在内的多种AI和分析软件套件。
“与TD SYNNEX合作是SAS着眼于未来的一项有力举措,这将有助于他们扩大规模,并不断发展壮大其业务范围。”IDC软件渠道与生态系统总监Paul Edwards表示:“TD SYNNEX将有力推动SAS的间接渠道战略。”
TD SYNNEX将继续在数据、AI 和物联网等高速发展的技术领域进行重大投资,为合作伙伴提供专业技术服务、综合解决方案和业务支持,以数据驱动业务成功。SAS拥有广泛的合作伙伴生态系统,为各行业量身定制解决方案,并持续不断的创新。这与TD SYNNEX广泛的全球网络和垂直领域的技能形成了互补。
“通过间接渠道进行分销,提升合作伙伴关系,是我们业务增长战略的重要组成部分。”SAS全球渠道副总裁John Carey表示:“与TD SYNNEX最新签订的协议将帮助我们提高可扩展性、开拓新市场,并与我们宝贵的SAS合作伙伴一起,为客户实现分析价值。”
根据这份新协议,TD SYNNEX将为SAS解决方案经销商带来丰富的经验,并帮助他们提升专业知识,布局区域营销,扩大市场范围。通过这一分销模式,合作伙伴可以专注于借助SAS发展业务,并优化客户体验。
“TD SYNNEX致力于为我们的合作伙伴提供配套工具,释放IT生态系统潜力,聚焦解决方案构建,将数据转化为智能。”TD SYNNEX全球数据、AI与物联网解决方案副总裁Clay Davis表示:“很高兴能够通过我们的全球渠道体系促进SAS的业务增长,帮助我们的合作伙伴采用新的AI和分析能力,从而实现我们的承诺:在整个技术合作伙伴生态系统中成为AI解决方案的最佳选择。“
了解更多关于SAS合作伙伴的信息,并随时了解相关新闻、活动和洞见。
关于TD SYNNEX
TD SYNNEX(纽约证交所代码:SNX)是全球领先的IT生态系统分销商和解决方案集成商。作为一家创新的合作伙伴,TD SYNNEX帮助100多个国家的15多万家客户实现技术投资价值的最大化、展示业务成果并挖掘增长机遇。公司总部位于佛罗里达州克利尔沃特市和加利福尼亚州菲蒙市,拥有23500名员工,致力于整合来自1500多家一流技术供应商的卓越IT产品、服务和解决方案。我们的边到云产品组合基于一些高速增长的技术领域,包括云计算、网络安全、大数据/分析、人工智能、物联网、出行即服务和一切皆服务。TD SYNNEX致力于为客户和社区提供服务,对人类和地球产生积极的影响,并塑造受人尊敬的企业公民形象。我们渴望成为IT生态系统中重视人才多元化和包容性的首选雇主。欲了解更多信息,请访问www.TDSYNNEX.com或在LinkedIn、Facebook和Instagram上关注我们。
本新闻稿中包含的声明符合《1933年证券法》第27A条和《1934年证券交易法》第21E条所定义的“前瞻性声明”,涉及已知和未知的风险和不确定性。这些风险和不确定性可能导致TD SYNNEX未来的实际结果与本新闻稿中所表达或暗示的未来业绩存在实质性差异。TD SYNNEX不承担更新本新闻稿所包含的任何前瞻性声明的义务。
TD SYNNEX公司版权所有。保留一切权利。TD SYNNEX、TD SYNNEX标识以及所有其他TD SYNNEX公司、产品和服务名称及标语均为TD SYNNEX公司的商标。其他名称和商标均是其各自所有者的财产。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。