中国北京,2024年5月23日——致力于帮助中国企业和组织释放数据潜能,并加速数字化转型的领先智能数据管理解决方案和服务供应商联想凌拓科技有限公司(以下简称“联想凌拓”),今日宣布推出联想凌拓“救急1110灾备一体化解决方案”(以下简称“救急1110”解决方案)。
联想凌拓企业级存储内置拥有 25 年历史的存储备份软件,利用 CDM 复制数据管理技术,通过DR1110自动化管理工具,帮助企业和组织实现1分钟数据全备份、1分钟数据全恢复、10分钟单项应用容灾的数据安全性保障和业务连续性保障效果,助力企业和组织在瞬息万变的市场环境中实现可持续发展,加速数智化转型。
进入"数字化+智能化"时代,数据要素及其安全性已经成为社会各界高度关注的焦点。今年全国两会中《政府工作报告》明确指出,要大力推进现代化产业体系建设,加快发展新质生产力,同时也反复强调了数据要素及安全的重要性。
为了保障数据安全和业务连续性,大多数企业和组织部署了数据备份和应用容灾系统。但是传统的数据备份和应用容灾系统,往往采用不同软、硬件厂商的技术架构,在遭遇人为误操作、硬盘静默损坏等数据逻辑故障的时候,可能导致生产系统和容灾系统数据同时受损,只能利用备份系统来恢复数据。随着数据量不断增加,备份数据的恢复时间也随之增加,极大影响了企业和组织关键业务信息系统的可用性。
此外,勒索病毒等攻击也对企业和组织的信息安全构成了巨大威胁,生产系统、备份系统和容灾系统的数据有可能被同时攻击破坏,造成严重的业务损失和社会影响。
为了满足信息化时代对数据安全及业务连续性的更高要求,联想凌拓推出的“救急1110灾备一体化解决方案”,为企业和组织提供了全方位的数据安全性保障和业务连续性保障,有效降低了运维成本和潜在业务损失,助力企业和组织达成合规性要求,支撑数字化转型。
数据备份一旦完成,就能够利用联想凌拓存储操作系统强大的企业级数据管理技术,无需额外空间占用,在几秒内为任意备份数据,快速置备成百上千个彼此隔离的备份数据全量读写克隆副本,分别交付给多个数据价值挖掘系统,多快好省地挖掘数据价值。
利用“救急1110“解决方案,企业和组织可以在不改变现有生产系统硬件架构的前提下,通过 ONTAP 存储备份软件的 CDM 复制数据管理技术,并结合DR1110自动化管理工具,实现高效数据备份及应用容灾。再结合 ONTAP 内置的硬件勒索病毒防护功能,确保备份数据不会被破坏,进一步巩固企业和组织数据安全屏障。
联想凌拓"救急1110灾备一体化解决方案"拓扑图
具体来说,联想凌拓“救急 1110“解决方案能够为企业和组织关键业务带来以下优势:
在数据量爆炸的信息时代,拥有高效可靠的数据灾备能力已成为各行业的必然需求。凭借出色的自动化管理系统和高可靠性的灾备能力,联想凌拓"救急1110灾备一体化解决方案"将大幅提升企业和组织关键业务信息系统的可用性和数据安全性,为数据和业务应用筑牢最后一道安全防线。未来,联想凌拓将持续深化在智能数据管理领域的创新实践,助力中国企业和组织加速向智能化、数字化转型,为千行百业提供更加智能高效的数据管理解决方案,助力企业和组织实现AI就绪。
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。