数据保护和管理软件开发商Veeam本周宣布扩大了渠道合作伙伴计划,改进了合作伙伴通过销售Veeam技术赚取收入的方式,并改进了培训和证书。
Larissa Crandall表示,渠道合作伙伴计划的变化与Veeam渠道合作伙伴向企业传达的信息是一致的。Larissa Crandall去年刚刚加入Veeam,担任这家总部位于美国俄亥俄州哥伦布市的公司的全球渠道和联盟副总裁。
Crandall表示,Veeam将围绕盈利能力提供更可预测的计划,并提供一个全球框架和结构,其中包括了围绕交易注册和代理进行改进。
她说,Veeam扩大了培训和支持计划,以及提供新的能力和认证,以显示对网络弹性的重视。
“市场的演变以及合作伙伴生态系统中发生的所有变化需要我们采取新的方法和更新,”她说。
Crandall表示,首先,Veeam正在改善合作伙伴通过交易注册获得的前端利润。她表示,交易登记量正在增加,但拒绝透露具体数量。
“这是为了更具竞争力。我们正在投资前端,改变整个产品组合后端结构的一些内容。但今天的情况并非如此。”
Crandall表示,Veeam还在改变其代理计划,以便在合同需要续签时,原来的合作伙伴可以维持关系。
她说:“他们为我们带来了机会,当需要续约时,我们改善了代理情况。所以我们在前端和后端都提供了保护。坦率地说,这是不一致的。我们有三个不同的合作伙伴计划。现在我们有一个全球计划,但仍然关注地区差异。不过,我们添加了一个全球框架,以提供更严格、更好、更一致的框架。”
American Digital是一家位于美国伊利诺伊州埃尔克格罗夫村的解决方案提供商,该公司销售和服务副总裁Bob Panos表示,扩大现有规模和交易注册是Veeam的一项关键举措,该公司已经和Veeam合作了超过10年时间。
Panos表示:“获取客户需要时间和资源,Veeam现在让我们在建立关系后更容易留住客户,而不是让其他厂商趁机抢走他们。在保护现有客户方面,一些公司往往比其他公司做得更好,这并不常见,但这是一件很棒的事情。”
Crandall表示,Veeam渠道计划的另一个重大变化是围绕企业日益关注的网络弹性增加了新的技术和销售培训,包括帮助合作伙伴了解如何在和客户的讨论中融入有关Veeam安全的因素。
她说,该公司还将这些培训扩展到云和Kubernetes等技术。
“Veeam长期以来一直在打造令人难以置信的产品,合作伙伴问的是,‘我如何让Veeam参与有关安全的对话?我们知道你适合。你需要对我们进行更多的培训。你如何与超大规模企业保持一致?你如何将自己纳入备份即服务解决方案或Kubernetes中。’因此,所有这些都将进行更新,增加更多的用例和业务成果方法。”
Crandall表示,Veeam还在努力扩大到全球系统集成领域以及和MSP的合作。
“你会看到我们将继续推出更多的安全合作伙伴关系、超大规模合作伙伴关系和存储合作伙伴关系,然后真正地围绕GSI(全球系统集成商)方面进军企业领域。Veeam在全球拥有35000家合作伙伴,并且长期拥有忠实的合作伙伴。随着市场的变化,客户的购买方式也发生了变化,这让我们有机会花更多时间与GSI、MSP和不同合作伙伴进行交流。”
Crandall表示,Veeam非常关注企业,发布的Veeam Backup & Recovery v12让Veeam在安全性和规模方面带来了很多新的企业机会。
她表示,Veeam今年将继续扩大网络弹性能力,签署几项新的大型安全合作伙伴关系,类似在10月和Sophos签署的合作伙伴关系。
Panos表示,事实证明,Veeam是American Digital的优秀合作伙伴。
“Veeam一直希望通过教育我们的销售团队来和我们一起投资,我们与他们的高管团队有着紧密的合作伙伴关系,这是跨越整个组织的合作伙伴关系。”
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。