数据管理供应商 Veeam 承认了一个令人尴尬的失误:在执行恢复操作时出错并删除了数据。
好消息是这并非关键性错误,也不是由公司产品本身的问题导致的。
这个错误于 2 月 11 日在公司论坛的一个帖子中被披露,一位产品管理人员报告说"我们注意到过去 24 小时内的一些主题和评论目前已丢失。"
与其他供应商论坛类似,Veeam 的论坛混合了员工和客户的评论,提供产品支持和公司新闻。因此可能有一些有用的支持信息或产品路线图可能已经丢失。
发布这一消息的 Veeam 代表补充道:"我们理解及时更新的重要性,并向您保证我们正在积极调查这一问题。"
经过调查,他们发现了以下根本原因:
在今天早上的论坛维护时段内,内部基础设施 DevOps 团队错误地将一天前 (2 月 10 日星期一) 的论坛数据库备份恢复到了生产数据库上,而生产数据库本身并未出现任何问题,也不需要恢复。
由于恢复时间点之后发生了重大变更 (新主题和评论),我们无法将昨天和今天早上的主题和评论整合到当前版本中。
真是个意外。
"我们真诚地为造成的任何不便道歉,并感谢您的理解,"这位 Veeam 员工写道。
这看起来就是那种 IT 部门常见的人为失误,虽然不应该发生,但确实时有发生。The Register 对此表示同情 (看到我们的用意了吗?)。
我们是通过 Veeam 的每周论坛摘要得知这一错误的,该摘要将其列为"本周最佳帖子"。我们订阅该摘要是因为公司会在其中发布新闻,比如其计划支持 VMware 替代品 Proxmox 和 XCP-Ng。
多年来,论坛和电子邮件一直都是很好的阅读材料,因为 Veeam 的产品管理高级副总裁会在其中评论公司活动和更广泛的数据管理行业动态。遗憾的是,Gostev 在 2022 年停止了他的文章撰写,因为作为乌克兰人,在俄罗斯非法入侵其祖国的情况下,他觉得无法继续他的文章。(R)
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。