备份与恢复提供商Veeam正着手发布自家Veeam Data Cloud Vault,采用Azure公有云并提供包含API调用、恢复及数据出口费用于一体的每TB报价。
新的Veeam Vault存储即服务(STaaS)产品被集成在Veeam备份与恢复产品当中,并提供完全托管、预配置、不可变、加密及逻辑隔离的存储系统当中。其补充了Veeam的各原有备份目标,包括ExaGrid、ObjectFirst、PowerProtect、Scality以及其他本地设备提供商。
Anand Eswaran
Veeam公司CEO Anand Eswaran在声明中表示,“根据〈2024年Veeam勒索软件趋势报告〉,去年遭受网络攻击的组织中,有85%如今正在使用提供不可变功能的云存储方案。将数据备份存储在异地,已经成为一切备份策略中的关键组成部分,对于从宕机或网络攻击中快速实现清洁恢复起到至关重要的作用。”
Veeam Vault基于Azure Blob Hot LRS层,能够立即访问数据。Veeam公司建议客户将其作为3-2-1-1-0备份策略中的一环,也就是说:
Veeam公司表示将在今年内为Veeam Vault添加两项功能。首先,将添加“访问频率较低及归档级对象存储层,主要面向较旧及/或辅助备份,强调以较慢的恢复性能换取较低的长期存留成本。”
其次,将“通过与Veeam数据平台的单一UI更紧密地集成,从而集中管理并监控Veeam Vault的各方面指标。”
从这个角度来看,Veeam可以说是Azure云存储的白标OEM厂商。其提供公有云备份存储库,可用于支持其SaaS应用保护服务,包括Microsoft 365、Salesforce以及Teams,也有望适用于由其部分资助的SaaS应用备份初创公司Alcion。但此举可能会影响Veeam现有公有云备份目标Backblaze和Wasabi的业务份额。
Veeam Data Cloud Vault现已通过Azure Marketplace向客户开放,每TB/月一次性计费标准在不同区域亦有所区别:美洲区域为60美元,欧洲、中东及非洲区域为74美元,亚太及日本区域为62美元,拉丁美洲为85美元,具体涵盖存储、写入/读取API及数据出口费用。关于更多细节信息请参见官网页面(https://www.veeam.com/products/veeam-data-cloud/cloud-storage-vault.html)。
好文章,需要你的鼓励
这项来自麻省理工和滑铁卢大学的研究质疑了在AI文本排序中"思考过程"的必要性。研究者比较了三种文章重排模型:直接判断的StandardRR、先推理再判断的ReasonRR,以及禁用推理功能的ReasonRR-NoReason。实验结果表明,不仅推理过程没有提高排序质量,有时甚至会降低效果。主要原因是推理导致模型倾向于极端判断,难以表达"部分相关"这种微妙关系。即使应用"自洽性"等改进技术,简单直接的判断方式仍然更为高效有效。研究为信息检索系统设计提供了新视角:有时,少即是多。
TAGS是一种创新的医学问答框架,结合了泛医和专医两种视角,通过层次化检索和不确定性验证机制提升医学AI回答的准确性。该框架由穆罕默德·本·扎耶德人工智能大学等机构的研究团队开发,无需任何模型微调即可显著提升包括GPT-4o和DeepSeek-R1在内的大型语言模型在九个医学问答基准测试上的表现。TAGS通过模拟医疗专家协作、结构化知识检索和质量控制,解决了现有方法在复杂医学推理中的短板,为构建更可靠的医学AI系统提供了新思路。
这篇研究提出了时间抽象值学习(OTA)方法,解决离线目标条件强化学习中的长期规划问题。研究团队发现现有分层方法失败的关键在于高层策略无法生成合适子目标,原因是价值函数在长期规划中估计不准确。OTA通过"选项"概念实现时间抽象,有效缩短规划视野,使价值函数能提供更准确的优势信号。在复杂迷宫导航和视觉机器人操作任务中,OTA显著优于现有方法,证明了该方法在处理长期任务时的有效性。
这项研究探索了大语言模型内部可解释特征的形成过程,分析了它们在训练过程中(时间)、模型层级间(空间)和不同规模模型(尺度)的行为变化。研究团队使用稀疏自编码器技术,成功识别出特定语义概念在神经激活中出现的时间点和位置。研究结果显示,不同领域的知识概念在模型训练和规模扩展中存在明确的激活阈值,且在空间分析中发现了早期层特征会在后期层重新激活的现象,这挑战了对变换器模型表示动态的传统认知。