為幫助企業(yè)更快采用和使用混合云解決方案,進而將公有云解決方案連同企業(yè)部署及私有云環(huán)境進行安全、無縫的集成,甲骨文公司近日宣布推出Oracle數(shù)據(jù)庫備份服務(Oracle Database Backup Service)和Oracle存儲云服務(Oracle Storage Cloud Service)。作為甲骨文持續(xù)提供業(yè)界最廣泛和最先進云產(chǎn)品組合承諾的一部分,此次新推出的服務為客戶提供了更多選擇和靈活性,使得他們能夠更方便地把企業(yè)部署環(huán)境下的關鍵應用和數(shù)據(jù)輕松地遷移到云環(huán)境下。
為擴展業(yè)界最全面的企業(yè)級云解決方案產(chǎn)品組合,甲骨文近日宣布推出兩項全新的Oracle云服務,包括Oracle數(shù)據(jù)庫備份(Oracle Database Backup)和Oracle存儲云(Oracle Storage Cloud)。
作為Oracle云平臺即服務(PaaS) 產(chǎn)品組合的一部分,Oracle數(shù)據(jù)庫備份服務提供了簡單、可擴展、低成本的Oracle 數(shù)據(jù)庫云備份解決方案,并且也是多層數(shù)據(jù)庫備份和恢復策略不可或缺的部分。
通過與Oracle恢復管理器(RMAN)緊密集成,Oracle數(shù)據(jù)庫備份服務繼續(xù)為客提供熟悉的RMAN指令,從而可在企業(yè)部署的Oracle數(shù)據(jù)庫和Oracle云中無縫和安全地執(zhí)行備份和恢復操作。
Oracle數(shù)據(jù)庫備份服務可讓客戶平行和壓縮備份數(shù)據(jù)轉換,以實現(xiàn)最大化性能,并通過客戶端加密以保障端到端的數(shù)據(jù)安全。
作為Oracle云基礎架構即服務(IaaS) 產(chǎn)品組合的一部分,Oracle存儲云提供了安全的、可擴展的和可靠的對象存儲解決方案,可幫助企業(yè)輕松地存儲、訪問和管理云中的數(shù)據(jù)。
Oracle存儲云提供了全面的解決方案來簡化和降低資金及操作成本,為存儲數(shù)據(jù)備份和存檔帶來高可靠性和安全性。
Oracle存儲云可實現(xiàn)API和OpenStack Swift的兼容,并可通過REST和Java APIs訪問數(shù)據(jù)。
甲骨文合作伙伴網(wǎng)(OPN)成員一直以來都是甲骨文為客戶提供領先數(shù)據(jù)庫和存儲解決方案并得以成功的不可或缺的一部分。通過全面的甲骨文合作伙伴網(wǎng)的云計劃支持,合作伙伴現(xiàn)在可以參與到客戶對云服務的采用中。從增值服務的引導到交付,甲骨文能幫助合作伙伴從全新的Oracle云服務中獲得利潤。
這些新服務擴展了Oracle云平臺和基礎架構服務的全面產(chǎn)品組合,所有服務均可通過訂購獲得。
甲骨文公司產(chǎn)品開發(fā)高級副總裁Chris Pinkham表示:“為了在當今高度互聯(lián)的商業(yè)環(huán)境中保持競爭優(yōu)勢,企業(yè)正在越來越多地采用和創(chuàng)建新的云解決方案,同時企業(yè)更加迫切要地要將現(xiàn)有的企業(yè)部署工作負載遷移到公有云中,并能夠在企業(yè)部署和云環(huán)境中靈活切換。為了幫助客戶實現(xiàn)這些目標,甲骨文進一步擴展了其全面的企業(yè)級基礎架構云服務。這些新服務都是基于開放標準和無縫集成,旨在支持企業(yè)部署和云環(huán)境的自由切換。”
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。