Cohesity向自己的Data Platform新增了两款产品,一个纯软件的虚拟版和一个超融合节点。
目前现有的三款硬件和软件分别是C2100、C2300和C2500,以及Cloud Edition产品。
这款云产品实际与最近公布的Virtual Edition(VE)是相同的,后者是一款备份产品,运行在虚拟机环境中,将数据复制到中央站点,针对备份或者灾难恢复,可以远程安装和管理。
C2100超融合节点实际上是1月公布的,适用于更为复杂的远程和分支办公点,有复杂的IT环境、多种服务器和存储设施。Cohesity表示,一个节点有计算、闪存、磁盘存储以及软件,这里要求最少有3个节点。
以Nutanix/VxRail/SimpliVity的定义这并不是超融合,不是通用的基于虚拟服务器的应用环境,包含存储、网络和计算。相反,Cohesity对其进行了重新定义,意味着将二级存储孤岛融合到单一存储库中,例如备份、文件、对象、测试/开发副本及分析。
Cohesity表示,在过去三个季度中公司平均收入增幅保持在三位数。这意味着一个季度收入至少增长100%,而且这三个季度期间每个季度新增客户数量翻了一番。目前保存在Cohesity系统中的企业数据量为250PB。
Cohesity Virtual Edition将在5月底提供给客户。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。