如何讓美國(guó)和非洲的用戶,也能愉快地參與今年雙十一的全球購物狂歡?阿里巴巴技術(shù)團(tuán)隊(duì)11月3日透露,今年以來,阿里巴巴集團(tuán)大范圍擴(kuò)展在海外的IT基礎(chǔ)設(shè)施,以迎接首個(gè)全球化的雙11。
阿里巴巴技術(shù)保障部高級(jí)專家潘健介紹,為保障海外買家和賣家的用戶訪問體驗(yàn),阿里技術(shù)團(tuán)隊(duì)進(jìn)行了一系列部署:今年6月新交付一個(gè)大型數(shù)據(jù)中心,用于保障海外業(yè)務(wù);海外服務(wù)器數(shù)量翻倍,國(guó)際專線網(wǎng)絡(luò)帶寬提升10倍;海外CDN網(wǎng)絡(luò)節(jié)點(diǎn)和年初相比增加了一倍,歐美覆蓋范圍更加全面,新增韓國(guó)、印度、澳門等亞洲節(jié)點(diǎn),覆蓋亞洲、歐洲、非洲、南美洲、北美洲、大洋洲六大洲;目前,海外CDN節(jié)點(diǎn)帶寬能力已經(jīng)達(dá)到數(shù)百G,可以充分保障海外用戶訪問速度和體驗(yàn)。
阿里巴巴數(shù)據(jù)中心
與此同時(shí),針對(duì)天貓雙11的技術(shù)演練早已在緊鑼密鼓地進(jìn)行,目前進(jìn)入沖刺階段。潘健說:“今年我們?cè)诩夹g(shù)上已經(jīng)可以做到全鏈路壓力測(cè)試,根據(jù)大數(shù)據(jù)分析,全程模擬雙11當(dāng)天海量用戶的瀏覽、下單、支付等行為。”據(jù)了解,雙11之前這樣的壓力測(cè)試一共會(huì)進(jìn)行8次,相當(dāng)于阿里技術(shù)平臺(tái)提前經(jīng)歷8次雙11考驗(yàn)。特別值得一提的是,這些壓力測(cè)試都是在不影響淘寶和天貓正常購物的情況下進(jìn)行的,用戶對(duì)此“完全無感知”。
2013年11月11日凌晨,一分鐘內(nèi)有1370萬人涌入天貓,相當(dāng)于大半個(gè)北京城的人都出來逛街。其中,34萬“剁手黨”在這一分鐘內(nèi)搶到了心儀的寶貝,成交1.17億元。
今年的雙11購物狂歡節(jié)將拓展至全球范圍,面對(duì)洶涌而來的流量,一旦技術(shù)保障方面“掉鏈子”,整個(gè)電商生態(tài)圈將遭受數(shù)以十億計(jì)的損失。在歷經(jīng)五屆雙11的考驗(yàn)之后,阿里巴巴技術(shù)團(tuán)隊(duì)已具備能力,將黑客攻擊、局部爆發(fā)性流量增長(zhǎng)、機(jī)房空調(diào)故障等種種“不確定因素”變?yōu)榭深A(yù)估的風(fēng)險(xiǎn),并將2013年2000多套技術(shù)應(yīng)急方案縮減至500套以內(nèi)。
“應(yīng)急方案數(shù)驟降80%的背后,是阿里技術(shù)的逐漸成熟,這就像讀書由薄變厚再由厚變薄一樣。”潘健表示,希望今后我們的應(yīng)急預(yù)案能越來越少,將資源投向更有意義的項(xiàng)目和創(chuàng)新中。
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)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。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)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"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視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(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。