NGNIX的口号应该借用安飞士标志性的标语,“当你是二把手,你更加努力。”虽然Apache是更受欢迎,50.7%,至NGINX的14.4%,由Netcraft公司的Web服务器数量,NGINX是其最新的更新,NGINX加版本6(R6)很难尝试,去挑战阿帕奇头把交椅。
事实上,NGINX索赔,基于Web技术的调查数据,其同名网络服务器“现在的权力将近一半的顶部10,000个相关站点和应用程序的世界。”此外,NGINX权力Netflix的,Pinterest的,发现生活怎样,和许多其他高容量的网站。
开源的NGINX已经如此成功,是因为它的速度非常快。它还使用比Apache或Microsoft Internet信息服务器(IIS)更少的资源。怎么样? NGINX是基于事件的:它不产生新的进程或线程为每个网页请求。因此,作为web服务器负载的增加,内存使用仍然可以预测的。
有了这个新的版本,NGINX引入了许多增强功能。这些包括:
更快的负载均衡算法:现在的技术可以自动选择性能优越的更快,更装载的节点。将该溶液监视并行连接的数目,并从在负载均衡池中的每个节点的平均响应时间,并使用该情报来估计每个请求可能的最佳节点。
全功能的TCP负载平衡:这是在NGINX加R5中引入的TCP负载平衡功能已经显著扩展到包括健康检查,动态重新配置,完全访问日志和SSL终端和加密。此外,NGINX Plus的扩展状态的功能现在报告TCP负载均衡计数器。
高可用性:基于KEEPALIVED,NGINX再加上现在使用的虚拟路由器冗余协议(VRRP),以实现高可用性和故障转移NGINX加实例之间。
更新扩展状态仪表板:NGINX加运动一个新的,更丰富的状态仪表板,图表使用扩展状态模块NGINX加实例的健康状况和活动。
无缓冲上传支持:NGINX加提高了Web应用程序的处理大文件上传与“无缓冲上传,”这意味着技术流的大HTTP请求数据(如文件上传)到服务器,因为它到达了新的选择的响应,而不是它的缓冲和转发收到的全部内容后,才请求。
安全套接字层(SSL)身份验证对于简单邮件传输协议(SMTP):用于SMTP通信的SSL客户端身份验证NGINX另外R6支持。
当你看到这些变化,很明显,NGINX不仅仅是一个Web服务器。它结合了高可用性,负载均衡和邮件服务器的支持为企业提供一个快速的互联网服务软件栈。
欧文加勒特,产品在NGINX头,在一份声明中说,“NGINX加R6代表特性和功能扩展开发人员的能力,并提高整体应用性能显著的技术飞跃。我们与客户密切合作及社会找准并解决一些商家面对Web应用交付的最常见的挑战,我们看到后面的R6创新为应对这些挑战和新兴市场需求的重要反应。“
与此同时,NGINX推出了其创新计划。这使NIGNX的商业版本在开发商手中免费的,如果它们的启动使得少于200万美元的年收入和不到1000万美元的集资。
最新的开源版本,NGINX 1.7.12,也可用。它最后更新于2015年4月7日。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。