近日,数据可视化公司Grafana Labs与阿里云建立核心合作伙伴关系。双方将发挥各自优势,在可观测性产品、服务支持等方面展开全方位合作,共同打造Grafana托管服务,帮助广大企业快速具备各类数据源即时查询与数据可视化的可观测性能力。此次合作,也是Grafana与亚太地区云厂商的首次深度合作,双方将在中国区提供首款Grafana托管服务。
随着云原生技术不断落地,面向分布式应用和容器的数据可观测技术,覆盖从前端到后端、从基础设施层到应用层,成为企业必备运维能力。凭借其丰富的可视化看板、多数据源接入等特性,Grafana已经成为云原生时代的可观测可视化事实标准。CNCF发布的《 End User Technology Radar》报告显示,三分之二的受访者将 Grafana 与 Prometheus作为首选可观测工具。
为了帮助全球云计算用户构建基于自身业务特征的可观测性体系,阿里云与Grafana携手打造Grafana托管服务,使用户高效分析与查看指标、日志和跟踪的同时,无需关注服务器配置、软件更新等繁杂工作,有效降低运维复杂性与工作量,并借助阿里云强大的云原生能力,全面提升Grafana安全性与可用性。
Grafana实验室联合创始人兼首席执行官Raj Dutt表示,“我们在Grafana Labs的目标是确保Grafana可用,但这对我们的用户来说是最有意义的——无论是自建设施,还是在阿里云这样的公有云平台。借助全托管服务方式与不断展开的深度合作,阿里云的海量全球用户将获得远超自托管的便捷性与可用性,更高效、更低门槛地使用Grafana领先的开源看板和可观测性功能。更为双方打开一扇全新市场的大门。”
阿里云智能基础产品事业部总经理蒋江伟表示,“阿里云可观测产品始终致力于为企业数字创新保驾护航,双方此次合作将为全球用户带来更加优质、贴合业务场景的产品体验,为客户提供完整的可观测性方案,赋能企业数字化转型。与Grafana此次的合作,不仅仅是为了给客户创造更多价值,更是与开源厂商的强强联合,推动开源生态进一步茁壮成长。”
据悉,未来双方将不断扩展合作范围和深度,为企业提供更加丰富的基于阿里云的优秀可观测性解决方案,解决企业在数字经济时代的运维难题。
目前阿里云Grafana服务正在免费公测中,要在阿里云上了解更多关于Grafana的信息,请访问https://www.aliyun.com/activity/middleware/grafana
关于Grafana Labs
Grafana Labs围绕Grafana提供了一个开放的、可组合的监控和可观测性堆栈,Grafana是用于仪表板和可视化的领先开源技术。Grafana Labs的客户超过1500家,包括彭博社、摩根大通、易趣、贝宝和索尼,全球有超过750000台Grafana的活动安装。Grafana Labs通过全栈产品帮助公司管理其可观测性战略,这些产品可以通过Grafana Cloud完全管理,也可以通过Grafana Enterprise stack自我管理,两者都具有广泛的企业数据源插件、仪表板管理、警报、报告和安全性、可扩展指标(Prometheus&Graphite),日志(Grafana Loki)和跟踪(Grafana Tempo)。Grafana实验室得到领先投资者Lightspeed Venture Partners、Lead Edge Capital、GIC、红杉资本和Coatue的支持。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。