IBM在CEBIT 2018透露计划推出另外18个云可用区(Availability Zone),尽管它没有公布具体的时间表。
每个可用区至少包含一个甚至多个具有独立电源,冷却和网络的数据中心。
该公司表示,将在美国,英国,德国,日本和澳大利亚已经保持优势地位的市场部署额外的基础设施。目前尚不清楚蓝色巨人是否会建设自己的设施,或者向主要的托管服务提供商租用空间。
IBM表示,它在近60个地点维护云基础设施,其云服务每年带来177亿美元的收入。
英国和德国的选址尚未公布,但新的日本可用区将位于东京,澳大利亚的新建基础设施将位于悉尼,而美国的新区域将包括华盛顿特区和达拉斯。
IBM还宣布它已经签署了三大云客户:石油和天然气巨头埃克森美孚,眼科医疗保健专家博士伦和澳大利亚西太平洋银行。
IBM Watson&Cloud Platform高级副总裁David Kenny表示:“世界上最大的公司与IBM合作将业务迁移到云中,因为我们知道他们的技术和独特的业务需求。
“我们持续的云投资和不断增长的客户名单反映出,越来越多的公司正在多地寻求混合云环境,我们将提供尖端的工具,包括人工智能、分析、物联网和区块链,以最大限度地发挥其优势。”
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。