至顶网网络频道 10月09日 编译:就在收购了Composite Software、将其重塑为Cisco Data Virtualization的4年之后,思科又决定把它卖给Tibco。
Tibco表示,将会把核心的Cisco Information服务器及“相关咨询和支持服务”整合到自己的分析产品组合中,以及Tibco Spotfire分析和Connected Intelligence平台中。
这项技术创造了Tibco所谓用于分析的一个虚拟数据层,不需要单独的数据仓库,也不会对源数据造成干扰。除了数据集成之外,该系统还集成了查选优化、数据抽象和自助服务访问。
思科曾为收购Composite Software支付了1.8亿美元。我们并不知道Tibco为得到Composite Software付出了多少钱。这笔交易将提交进行常规审批,但是Tibco有信心将在未来几周内完成该交易。
思科副总裁、总经理Thomas Wyatt在博客中解释了思科的这项决定,“Data Virtualization业务不符合我们的长期重点”。
肯定不同产品之间存在一定程度的重叠,因为思科还提供了Tetration分析(专注于确保应用安全)、AppDynamics(监控应用和业务性能)、Digital Network Architecture(企业网络监控、自动化和安全性)。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。