Datadobi正在为其StorageMAP产品增加更多自动化功能,以帮助存储管理员更快速地完成更多工作。
该公司表示,面对日益复杂的数据环境,客户需要帮助来保持控制,同时避免承担更多的运营开销。StorageMAP 7.3减少了管理员在日常任务上花费的时间,帮助他们在不影响合规性或性能的情况下迁移关键数据。
Datadobi首席技术官Carl D'Halluin表示:"组织现在可以大规模定义和执行基于策略的操作,消除现有手动流程固有的瓶颈,使其文件和对象存储环境对运营需求的响应更加迅速。"
Datadobi的StorageMAP现在具备策略驱动工作流功能,作为其在文件和对象存储中编排和自动化数据管理任务能力的一部分。该公司表示,客户可以更精确地处理数据,并在S3兼容平台之间迁移的同时保持合规性。
潜在的使用场景包括定期自动化归档、创建数据管道为生成式AI应用提供数据、识别和重新定位非业务相关数据到隔离区域等。
其工作流引擎可以响应时间调度等触发器执行任务。一旦策略发布,StorageMAP就会按计划运行工作流,无需人工监督。"试运行"功能有助于在完整执行前检查策略的范围。
StorageMAP 7.3还增加了对以下功能的支持:
粒度文件级删除——这有助于从包含有效和无效文件混合的目录中删除文件。管理员可以识别符合特定条件的文件,并将其保存为定向删除作业的输入,StorageMAP将执行该作业。每个删除作业都会生成详细说明其参数和结果的报告。
S3兼容存储系统间的锁定对象迁移。这允许将WORM(一次写入多次读取)格式的数据在不同供应商平台间重新定位,同时保留其保留日期和法律保留。
对象迁移或复制过程中的S3存储类别选择,以支持成本和性能目标。
在中短期内,我们认为AI副驾驶型技术将被用于使非结构化数据资产几乎能够通过使用策略来优化成本、合规性、性能和弹性,从而实现自我管理。
好文章,需要你的鼓励
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。