2021 年7月,全球领先的网络安全解决方案提供商 Check Point 软件技术有限公司(纳斯达克股票代码:CHKP)今天宣布通过 Check Point CloudGuard 和阿里云的集成进一步扩展其多云支持能力。阿里云不仅是阿里巴巴集团的数字智能与技术骨干业务,而且还是云计算和人工智能领域的全球领导者。阿里云客户将获益于增强型云网络安全和状态管理,同时其他组织也可在其多云环境中利用阿里云。
Gartner 报告称,81% 的组织采用多云策略,以便自由地使用最佳的云技术来满足各项工作负载需求。要在此类环境中最大限度地提高安全性,组织需要获得出色可视性和易管理性。通过集成,组织将获益于覆盖整个云基础设施(包括资产和工作负载)的高级安全性和全面可视性,同时保持持续合规性。这主要得益于以下能力:
阿里云智能全球独立软件厂商生态系统和战略联盟负责人 Hong Choing 表示:“阿里云很高兴 Check Point 软件技术公司通过与阿里云的集成来扩展其云支持能力。此次合作不仅将惠及正寻求为整个云基础设施(包括资产和工作负载)提供全面保护的阿里云客户,而且还支持 Check Point 客户利用阿里云。”
Check Point CloudGuard 状态管理支持组织跨多个平台(包括阿里云)查看和评估云安全状态,并检测和修复配置错误。此外,Check Point 还正扩展其现有 Check Point CloudGuard 网络安全功能,以引入阿里云的高可用性和可靠管理,以及由统一安全管理平台管理的高级威胁防护特性。
Check Point 软件技术公司产品管理与产品营销副总裁 Itai Greenberg 表示:“Check Point CloudGuard 可跨多云环境为企业提供统一的自动化云原生安全保护。随着越来越多的企业迁移到云,许多正寻找最佳解决方案来管理整个云基础设施的安全性与合规性。我们对阿里云的支持将能够为企业提供高级安全性和全面可视性,同时确保持续的合规性。”
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。