日前,由中国电子信息产业发展研究、中国软件测评中心、中国计算机用户协会、中国软件行业协会、IT运维网、《网络安全和信息化》杂志社共同举办的2018中国IT运维大会在北京举行。本次大会围绕如何在新的形势下,提升用户IT运维水平,帮助企业建立兼顾安全、稳定、高效的全面运维和安全保障体系,通过智慧运维为企业科技驱动业务创新提供更加有力的保障而展开。会上,由北京中亦安图科技股份有限公司(以下简称:中亦科技)自主研发的亦维IT服务管理系统(EVO-ITSM)荣获“2018中国IT运维管理最佳产品奖”,中亦科技总裁田传科先生荣获“2018中国运维行业突出贡献人物”。
EVO-ITSM3.0版本产品功能
作为国内领先的IT基础架构智能运维服务+产品提供商,2018年,中亦科技正式发布了亦维IT服务管理系统(EVO-ITSM)3.0版本。新版本产品在收集大量客户体验反馈的基础上,采用全新界面设计和更加友好、人性化的用户体验,产品功能更加强大,除延续旧版本的本地部署模式,新版产品还支持SaaS部署。
中亦科技总裁田传科先生
作为国内智能运维领域的开拓者、推动者和践行者,中亦科技总裁田传科先生对智能运维有深刻的理解。他指出,随着云计算的成熟和落地,数据中心将变成传统封闭架构(稳态架构)和开放互联网架构(敏态架构)并存的局面,传统的单纯依赖人工服务的IT运维方式(冷兵器时代)必将被自动化、智能化运维(热兵器时代)所取代。但这种替代是部分标准化问题的替代,非标问题依然需要人工介入。未来的运维市场应该是:40%的IT运维实现自动化,剩下60%则靠优化来提高性能。田传科先生对运维行业未来发展趋势的判断,得到了业内同仁的一致肯定和高度评价。
在IT技术已经从生产工具变为创新动力的今天,客户对IT也有了更多的期许。未来,中亦科技将一如既往的秉承“锻造凝炼IT服务 助推用户事业发展”的使命,推动智慧运维发展,为客户业务创新赋能。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。