新产品包括 Linode Managed Database 和 Audience Hijacking Protector
2022 年 4 月 28 日——负责支持和保护数字化体验且深受全球企业信赖的解决方案提供商阿卡迈技术公司(Akamai Technologies, Inc.,以下简称:Akamai)(NASDAQ:AKAM)在本周发布了一系列新产品,并对安全和计算产品线中的现有产品进行了更新。随着面向开发人员和网络安全专家的 Linode Managed Database、Audience Hijacking Protector 等一系列新产品和新功能的推出,Akamai 宣告进入基础架构即服务 (IaaS) 市场。
Akamai 产品营销全球副总裁 Ari Weil 表示:“本周的产品发布和更新都是为了一个目的:支持并保护网络生活。如今,我们比以往任何时候都更依赖互联网服务,Akamai 十分荣幸能够为客户提供工具,助其快速和安全地提供数字化体验。我们非常高兴能够发布隶属全新计算系列的首款产品——Linode Managed Database。该产品可为客户提供更广泛的工具且不受计算工作负荷限制,并使 Akamai 成为全球广泛分布且横跨云端和边缘的计算平台。”
有关每个关键产品更新的详细信息将于本周发布,请参见下方摘要中的链接。
Linode Managed Database
Linode Managed Database 简化了数据库部署流程,不仅有助于开发人员降低风险、提高效率,而且最大限度地降低了人工管理生产数据库集群所带来的复杂性。
Managed Database 一向是 Linode 客户最受欢迎的产品。Linode Managed Database 是 Akamai 继今年 3 月收购 Linode 之后,发布的首款计算业务线产品,这使 Akamai 一举成为全球广泛分布且横跨云端和边缘的计算平台。
自发布之日起,Akamai 将在 Linode 的所有 11 个全球数据中心中提供 Linode Managed Database for MySQL,并在 2022 年第二季度实现对 PostgreSQL、Redis 和 MongoDB 的支持。在每个受支持的托管数据库中,客户都可以使用统一费率定价、安全和恢复措施、灵活的部署选项和高可用性群集选项等功能。
如需详细了解有关 Akamai 全新 Linode Managed Database 的功能与定价信息,请访问 https://www.linode.com/products/databases/。
Audience Hijacking Protector 和其他安全功能
Audience Hijacking Protector 是专为在线业务而设计的一种新解决方案,可在购买过程中最大程度地增加收入机会并减少营销欺诈。随着在线零售发展步伐的加快,在客户侧,一种被称为受众劫持的高发现象正困扰着在线品牌的安全团队。受众劫持是指未经授权的广告和弹窗引诱购物者离开在线商店。它不仅会破坏客户的购物体验,还会导致零售商收入受损。面对这一日益严重的问题,零售商正在努力寻求解决方案。
此外,Akamai 还发布了几项新的应用程序安全功能,旨在帮助企业保护客户免受互联网浏览器、移动应用程序、API 交互期间和边缘等所有在线环境中的威胁。
如需详细了解有关 Akamai 的 Audience Hijacking Protector 及助力客户提供一致在线体验的其他产品和功能,请访问:https://www.akamai.com/zh/products。
EdgeWorkers 为开发人员提供工作流改进
随着越来越多的计算工作负载迁移到边缘,Akamai 正在对 EdgeWorkers 产品进行多项改进,使开发团队能够使用 Akamai 网络创建微服务,并在边缘执行安全而快速的计算。
Akamai 通过新的集成、更高的资源层限制以及对使用标准 TLS 的客户的支持,使开发人员更容易构建、执行和调试 EdgeWorkers 功能。全新 Hello Akamai! 原型沙盒环境现对所有有兴趣试用 EdgeWorkers 的人员开放。
如需详细了解为使用 EdgeWorkers 的开发人员提供的增强功能,请访问:https://www.akamai.com/zh/blog/edge/making-the-edge-work-for-you。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。