IBM 旗下子公司 Red Hat 今日宣布正式推出 Red Hat OpenShift Virtualization Engine,这是一个专门面向虚拟化工作负载的 OpenShift 编排平台版本。
同时,该公司还宣布推出 Red Hat Connectivity Link,这是一个用于连接不同应用和基础设施的混合多云流量管理、策略执行和基于角色的访问控制平台。
Red Hat 将虚拟化引擎描述为一个用于部署、管理和扩展虚拟机的定制选项。OpenShift 是一个基于 Kubernetes 的平台,用于管理混合云环境中的软件容器,包括容器编排、自动化应用部署、扩展和生命周期管理服务。Red Hat 表示已经移除了与虚拟化无关的功能。
该公司表示,平台的开发是由近年来虚拟化市场的"重大变化"推动的,这可能指的是 Broadcom 收购 VMware 以及随之而来的许可和支持变更。CloudBolt Software 去年 6 月发布的一项研究发现,76% 的 VMware 客户对收购对其业务的影响表示极度或非常担忧,尽管大多数客户并不急于进行切换。
OpenShift Virtualization Engine 使用开源的 KVM 虚拟机监控程序,可以在搭载 Red Hat Enterprise Linux 的本地硬件以及裸金属云服务上运行。该平台具有内置的安全功能和工具,可以在混合云中提供一致的性能。
该产品还包括访问 Red Hat 的虚拟化迁移工具包,帮助组织从其他虚拟化平台过渡,同时最大限度地减少运营中断。该公司还提供虚拟化迁移评估互动研讨会和虚拟化高级集群管理,这是该公司为 Kubernetes 设计的高级集群管理版本,旨在集中化虚拟机生命周期管理,简化虚拟机配置、监控和日常合规等任务。
根据 Red Hat 的说法,Connectivity Link 管理单集群和多集群 Kubernetes 环境中的应用连接,简化连接配置和策略的定义、管理和可见性。通过将流量路由、安全性和策略管理等功能整合到单个 Kubernetes 原生包中,降低了复杂性。
Red Hat 表示,Connectivity Link 消除了组织需要管理复杂的点工具集合来处理 API 安全性、服务网格和应用网络等任务的需求。
该产品基于 Kuadrant,这是云原生计算基金会中的一个开源项目,旨在通过将原生 Kubernetes Gateway API 与 Istio 服务网格和 Envoy Gateway 等其他网关集成来增强 Kubernetes 环境中的应用连接性。
Red Hat 表示,Connectivity Link 提供了一个统一的体验和高效的方法来管理利用 Gateway API 和 Envoy 代理技术的应用流量。身份验证策略、速率限制、DNS 配置和 TLS 管理通过 Kubernetes 对象指定,而运营数据通过 Kubernetes 和可定制的仪表板显示。
这两个平台现已正式发布。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。