2017年,注定是云计算技术不平凡的一年。仅仅在几年前,云计算还只是几家大厂商倡导的概念;而在今天,无论规模大小,用户与解决方案提供商早已将视线聚焦在如何通过云计算为企业带来更多核心竞争力。更值得注意的是,在全球应用交付领导厂商F5公司年初发布的《2017年应用交付状态报告》显示,80% 的亚太区受访者表示他们愿意将更多应用迁移至跨云架构,而 20% 的受访者则表示他们今年会将超过一半的应用放到公共云和/或私有云中。跨云架构能够为企业带来单一架构无法实现的可扩展性与灵捷性,但如果无法有效处理跨云架构应用管理与安全,其投资价值势必受到CIO、CTO们质疑。对于这些挑战,F5公司大中华区技术总监张振伦先生提出了自己的看法。
张振伦先生首先指出,随着基于互联网的服务类型激增,以及物联网、共享经济等对企业带来的压力不断增大,应用“跨云蔓延”几乎是企业不可避免的巨大挑战 。假设一家企业将一部分业务和应用放在AWS的公有云端、一部分放在另一家国内云服务提供商的架构之上,还有一些运行在本地数据中心的业务……这样的IT架构要让管理员保证每个应用始终安全、快速、并且智能将是IT部门面临的巨大挑战。
几年前,F5就曾以其领先的应用交付技术为基础,推出了应用管理的“全代理”架构。通过这一架构,用户可以在F5的平台上智能的监控、管理整个数据中心内的应用资源。而今年F5针对跨云架构发布的应用连接服务(Application Connector),则是把应用交付从“全代理”推向了“云代理”的高度。张振伦先生认为,在数据中心时代,F5的“全代理”架构把所有异构的应用资源池化,并通过F5的平台统一交由用户进行管理与调配;而在跨云时代,把企业所有云资源以池化的形态呈现,才是保持应用体验一致性的最佳方案。F5的应用连接服务能够智能识别托管在不同环境中的应用,并在各个云端边缘为用户提供自动化的应用服务,从而使用户的核心应用更加顺畅的在本地数据中心、其他托管主机以及云中顺畅交付。此外,用户可以通过F5应用连接服务按需部署安全策略,从而在L4-L7层规避如DDoS这样的应用攻击。张振伦先生强调,跨云架构的终极目的是为企业的业务发展服务,只有真正做到可视、智能的应用管理,CIO们才有信心将更多不同的应用放置在最适合的云端平台上。
为了使云中应用更快速、更智能、更安全地落地,F5也在致力于与各合作伙伴展开密切合作,从而帮助用户更顺畅的部署跨云应用交付架构。在今年5月刚刚过去的2017年F5Agility高峰论坛上,来自AWS的专家就在现场分享了公有云端应用管理价值与愿景。而在刚刚召开的2017 AWS Summit上,F5也从DevOps的角度为现场来宾带来云端原生应用开发、部署,云端应用运维管理的最新理念。
张振伦先生最后强调:跨云架构已经大势所趋,F5已经为用户在各个应用环节上准备了周全的解决方案。F5希望与合作伙伴一起,通过应用交付技术帮助用户轻松应对跨云架构带来的技术挑战,最终使用户真正在跨云环境中获取最大的效益。
好文章,需要你的鼓励
这项来自麻省理工和滑铁卢大学的研究质疑了在AI文本排序中"思考过程"的必要性。研究者比较了三种文章重排模型:直接判断的StandardRR、先推理再判断的ReasonRR,以及禁用推理功能的ReasonRR-NoReason。实验结果表明,不仅推理过程没有提高排序质量,有时甚至会降低效果。主要原因是推理导致模型倾向于极端判断,难以表达"部分相关"这种微妙关系。即使应用"自洽性"等改进技术,简单直接的判断方式仍然更为高效有效。研究为信息检索系统设计提供了新视角:有时,少即是多。
TAGS是一种创新的医学问答框架,结合了泛医和专医两种视角,通过层次化检索和不确定性验证机制提升医学AI回答的准确性。该框架由穆罕默德·本·扎耶德人工智能大学等机构的研究团队开发,无需任何模型微调即可显著提升包括GPT-4o和DeepSeek-R1在内的大型语言模型在九个医学问答基准测试上的表现。TAGS通过模拟医疗专家协作、结构化知识检索和质量控制,解决了现有方法在复杂医学推理中的短板,为构建更可靠的医学AI系统提供了新思路。
这篇研究提出了时间抽象值学习(OTA)方法,解决离线目标条件强化学习中的长期规划问题。研究团队发现现有分层方法失败的关键在于高层策略无法生成合适子目标,原因是价值函数在长期规划中估计不准确。OTA通过"选项"概念实现时间抽象,有效缩短规划视野,使价值函数能提供更准确的优势信号。在复杂迷宫导航和视觉机器人操作任务中,OTA显著优于现有方法,证明了该方法在处理长期任务时的有效性。
这项研究探索了大语言模型内部可解释特征的形成过程,分析了它们在训练过程中(时间)、模型层级间(空间)和不同规模模型(尺度)的行为变化。研究团队使用稀疏自编码器技术,成功识别出特定语义概念在神经激活中出现的时间点和位置。研究结果显示,不同领域的知识概念在模型训练和规模扩展中存在明确的激活阈值,且在空间分析中发现了早期层特征会在后期层重新激活的现象,这挑战了对变换器模型表示动态的传统认知。