EMC在會(huì)上發(fā)布了XtremIO 3.0,用戶現(xiàn)有的Xtrem IO 陣列可免費(fèi)升級(jí)到這一版本。據(jù)EMC XtremIO CTO任宇翔介紹,在硬件不變的情況下,用戶從2.4升級(jí)到3.0,能夠得到最直接的性能提升,比如數(shù)據(jù)庫(kù)性能就可以提升50%。
任宇翔在接受CNET科技資訊網(wǎng)采訪時(shí)指出,“XtremIO 在被EMC收購(gòu)的2年2個(gè)月時(shí)間里,已經(jīng)成長(zhǎng)為全閃存陣列市場(chǎng)的第一名。在六個(gè)月內(nèi),實(shí)現(xiàn)了從0到1億美元收入,這是業(yè)內(nèi)最快速度。”
去年12月份,EMC發(fā)布了3款XtremIO全閃存陣列產(chǎn)品。而此次EMC推出了兩款產(chǎn)品來(lái)豐富XtremIO陣營(yíng)。
首先,EMC推出了Starter X-Brick(入門款X磚塊),它標(biāo)配5TB存儲(chǔ)容量,從而以更低的成本面向市場(chǎng),隨著客戶需求提升,通過(guò)添加更多的SSD就可以升級(jí)到10TB。任宇翔稱,這款產(chǎn)品對(duì)于亞太及日本市場(chǎng)的用戶而言,具有很強(qiáng)的吸引力。
除此之外,XtremIO繼續(xù)加強(qiáng)在高端市場(chǎng)的布局,推出了大型橫向擴(kuò)展集群可多達(dá)六個(gè)X磚塊。XtremIO陣列作為整合工作負(fù)載的理想選擇,它現(xiàn)在最多支持六個(gè)20TB的X磚塊,帶12個(gè)活動(dòng)控制器,實(shí)現(xiàn)IOPS性能增加50%,容量提高50%,同時(shí)保持XtremIO亞毫秒級(jí)的延遲(本季度即可訂購(gòu))。
同時(shí),EMC此次還推出了業(yè)內(nèi)首個(gè)閃存可寫(xiě)快照技術(shù),對(duì)數(shù)據(jù)和元數(shù)據(jù)都能做到空間高效。
為了進(jìn)一步幫助用戶部署XtremIO,EMC推出了一個(gè)XtremIO Xpect More Program(XtremIO期待更多計(jì)劃),這個(gè)計(jì)劃包括:年度支持定價(jià)保持現(xiàn)有價(jià)格7年不增加;若產(chǎn)品不符合規(guī)格,3年內(nèi)退款;客戶在合同期間到達(dá)耐用極限95%的任何SSD,EMC將予以替換。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。