


Alibaba Cloud führt die PilotScope-Technologie ein, um die Innovation von AI4DB-Anwendungen zu beschleunigen
Am 20. Dezember kündigte VLDB2024, die führende internationale Datenbankkonferenz, eine Reihe neuer Beiträge an und die neue Technologie PilotScope von Alibaba Cloud wurde erfolgreich ausgewählt. Diese Plattformtechnologie kann die „Ein-Klick-Bereitstellung“ von KI-Algorithmen in Datenbanken realisieren, wodurch die Anwendungsschwelle von KI-Algorithmen in Datenbanken erheblich gesenkt und ein neuer Raum für Datenbankintelligenz eröffnet wird. Am selben Tag kündigte Alibaba Cloud an, dass alle PilotScope-Technologien kostenlos als Open Source verfügbar sein werden. Die Aktualisierung der Datenbanktechnologie hat große Auswirkungen auf alle Lebensbereiche im digitalen Zeitalter. Einer der Grenzbereiche ist die Datenbankintelligenz (AI4DB, AI for Database). Das aktuelle Datenbanksystem ist sehr komplex und stellt extrem hohe Stabilitätsanforderungen. Selbst das Abgleichen und Debuggen eines einzelnen KI-Algorithmus mit einer einzigen Datenbank erfordert eine wochen- oder sogar monatelange enge Zusammenarbeit der Ingenieure beider Parteien, was ineffizient und ineffektiv ist. Dies hat dazu geführt, dass die Branche die Anwendung sich schnell entwickelnder KI-Algorithmen auf Datenbanken verzögert Durch die Verallgemeinerung von Modulen und Schnittstellendefinitionen auf der Ebene von Datenbanken und Systemen der künstlichen Intelligenz wurde eine neue Middleware-Systemplattform PilotScope entwickelt, die es Algorithmen der künstlichen Intelligenz ermöglicht, eine „Ein-Klick-Bereitstellung in der Datenbank innerhalb von Stunden oder sogar Minuten“ zu erreichen. Die VLDB-Überprüfung geht davon aus, dass das innovative Systemdesign von PilotScope auf der Grundlage von Anwendungsszenarien eine neue Richtung der Datenbankintelligenz eröffnen wird
Es versteht sich, dass PilotScope mehr als 10 Datenbankaufgaben für gängige Aufgaben wie Parameteroptimierung, Indexempfehlung, Kardinalitätsschätzung, und Abfrageoptimierungs-KI-Algorithmus und schloss die Anpassungsprüfung von zwei gängigen Open-Source-Datenbanken wie PostgreSQL und Spark ab. Experimentelle Daten zeigen, dass die Verwendung von PilotScope zum Einbetten von KI-Algorithmen in die Datenbank Aufgaben wie die Abfrageoptimierung im Vergleich zur herkömmlichen Methode der „harten Implantation“ um das Ein- bis Zweifache beschleunigen kann und die durch PilotScope selbst verursachten zusätzlichen Bereitstellungskosten im Grunde vernachlässigbar sind. und die Leistung ist hervorragend.
Umgeschriebener Inhalt: PilotScope-Rendering-Analyse
„PilotScope ist ein Datenbank-KI-‚Superadministrator‘. Durch diese Plattform müssen sich KI-Ingenieure nur auf den Entwurf allgemeiner Algorithmen konzentrieren, um die Bereitstellung und Anwendung verschiedener Datenbanken zu implementieren; Datenbankbenutzer können sie verwenden KI so einfach und effizient wie das Aufrufen von APIs.“ Zhu Rong, der Verantwortliche des Projekts, sagte, dass PilotScope die Datenbank „ohne Eingriff“ entworfen und auch Mechanismen wie intelligente Erkennung, Rollback und Isolierung entwickelt habe, um die zu reduzieren Risiko einer KI-Illusion und intelligente Verbesserung bei gleichzeitiger Gewährleistung der Datenbankstabilität Die VLDB ist eine der drei wichtigsten internationalen Datenbankkonferenzen. Sie präsentiert jedes Jahr nur neue Ergebnisse, die einen wichtigen Einfluss auf die akademische und industrielle Praxis hatten. Die 50. VLDB-Konferenz wird voraussichtlich im August 2024 in Guangzhou, China, stattfinden.
Anbei finden Sie die Open-Source-Adresse:
Das obige ist der detaillierte Inhalt vonAlibaba Cloud führt die PilotScope-Technologie ein, um die Innovation von AI4DB-Anwendungen zu beschleunigen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Die AIxiv-Kolumne ist eine Kolumne, in der diese Website akademische und technische Inhalte veröffentlicht. In den letzten Jahren sind in der AIxiv-Kolumne dieser Website mehr als 2.000 Berichte eingegangen, die Spitzenlabore großer Universitäten und Unternehmen auf der ganzen Welt abdecken und so den akademischen Austausch und die Verbreitung wirksam fördern. Wenn Sie hervorragende Arbeiten haben, die Sie teilen möchten, können Sie gerne einen Beitrag leisten oder uns für die Berichterstattung kontaktieren. Einreichungs-E-Mail: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com Im Entwicklungsprozess der künstlichen Intelligenz war die Steuerung und Führung großer Sprachmodelle (LLM) schon immer eine der zentralen Herausforderungen, um sicherzustellen, dass diese Modelle beides sind kraftvoll und sicher dienen der menschlichen Gesellschaft. Frühe Bemühungen konzentrierten sich auf Methoden des verstärkenden Lernens durch menschliches Feedback (RL

Es ist ebenfalls ein Tusheng-Video, aber PaintsUndo ist einen anderen Weg gegangen. ControlNet-Autor LvminZhang begann wieder zu leben! Dieses Mal ziele ich auf den Bereich der Malerei. Das neue Projekt PaintsUndo hat nicht lange nach seinem Start 1,4.000 Sterne erhalten (die immer noch wahnsinnig steigen). Projektadresse: https://github.com/lllyasviel/Paints-UNDO Bei diesem Projekt gibt der Benutzer ein statisches Bild ein, und PaintsUndo kann Ihnen dabei helfen, automatisch ein Video des gesamten Malprozesses zu erstellen, vom Linienentwurf bis zum fertigen Produkt . Während des Zeichenvorgangs sind die Linienänderungen erstaunlich. Das Endergebnis des Videos ist dem Originalbild sehr ähnlich: Schauen wir uns eine vollständige Zeichnung an.

Wenn die Antwort des KI-Modells überhaupt unverständlich ist, würden Sie es wagen, sie zu verwenden? Da maschinelle Lernsysteme in immer wichtigeren Bereichen eingesetzt werden, wird es immer wichtiger zu zeigen, warum wir ihren Ergebnissen vertrauen können und wann wir ihnen nicht vertrauen sollten. Eine Möglichkeit, Vertrauen in die Ausgabe eines komplexen Systems zu gewinnen, besteht darin, vom System zu verlangen, dass es eine Interpretation seiner Ausgabe erstellt, die für einen Menschen oder ein anderes vertrauenswürdiges System lesbar ist, d. h. so vollständig verständlich, dass mögliche Fehler erkannt werden können gefunden. Um beispielsweise Vertrauen in das Justizsystem aufzubauen, verlangen wir von den Gerichten, dass sie klare und lesbare schriftliche Stellungnahmen abgeben, die ihre Entscheidungen erläutern und stützen. Für große Sprachmodelle können wir auch einen ähnlichen Ansatz verfolgen. Stellen Sie bei diesem Ansatz jedoch sicher, dass das Sprachmodell generiert wird

Die AIxiv-Kolumne ist eine Kolumne, in der diese Website akademische und technische Inhalte veröffentlicht. In den letzten Jahren sind in der AIxiv-Kolumne dieser Website mehr als 2.000 Berichte eingegangen, die Spitzenlabore großer Universitäten und Unternehmen auf der ganzen Welt abdecken und so den akademischen Austausch und die Verbreitung wirksam fördern. Wenn Sie hervorragende Arbeiten haben, die Sie teilen möchten, können Sie gerne einen Beitrag leisten oder uns für die Berichterstattung kontaktieren. Einreichungs-E-Mail: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com Die Autoren dieses Artikels stammen alle aus dem Team von Lehrer Zhang Lingming an der University of Illinois in Urbana-Champaign, darunter: Steven Code Repair; Doktorand im vierten Jahr, Forscher

Derzeit sind autoregressive groß angelegte Sprachmodelle, die das nächste Token-Vorhersageparadigma verwenden, auf der ganzen Welt populär geworden. Gleichzeitig haben uns zahlreiche synthetische Bilder und Videos im Internet bereits die Leistungsfähigkeit von Diffusionsmodellen gezeigt. Kürzlich hat ein Forschungsteam am MITCSAIL (darunter Chen Boyuan, ein Doktorand am MIT) erfolgreich die leistungsstarken Fähigkeiten des Vollsequenz-Diffusionsmodells und des nächsten Token-Modells integriert und ein Trainings- und Sampling-Paradigma vorgeschlagen: Diffusion Forcing (DF). ). Papiertitel: DiffusionForcing:Next-tokenPredictionMeetsFull-SequenceDiffusion Papieradresse: https:/

Prost! Wie ist es, wenn es bei einer Papierdiskussion auf Worte ankommt? Kürzlich haben Studenten der Stanford University alphaXiv erstellt, ein offenes Diskussionsforum für arXiv-Artikel, das es ermöglicht, Fragen und Kommentare direkt zu jedem arXiv-Artikel zu posten. Website-Link: https://alphaxiv.org/ Tatsächlich ist es nicht erforderlich, diese Website speziell zu besuchen. Ändern Sie einfach arXiv in einer beliebigen URL in alphaXiv, um den entsprechenden Artikel direkt im alphaXiv-Forum zu öffnen: Sie können die Absätze darin genau lokalisieren das Papier, Satz: Im Diskussionsbereich auf der rechten Seite können Benutzer Fragen stellen, um dem Autor Fragen zu den Ideen und Details des Papiers zu stellen. Sie können beispielsweise auch den Inhalt des Papiers kommentieren, wie zum Beispiel: „Gegeben an.“

Kürzlich gelang der Riemann-Hypothese, die als eines der sieben großen Probleme des Jahrtausends bekannt ist, ein neuer Durchbruch. Die Riemann-Hypothese ist ein sehr wichtiges ungelöstes Problem in der Mathematik, das sich auf die genauen Eigenschaften der Verteilung von Primzahlen bezieht (Primzahlen sind Zahlen, die nur durch 1 und sich selbst teilbar sind, und sie spielen eine grundlegende Rolle in der Zahlentheorie). In der heutigen mathematischen Literatur gibt es mehr als tausend mathematische Thesen, die auf der Aufstellung der Riemann-Hypothese (oder ihrer verallgemeinerten Form) basieren. Mit anderen Worten: Sobald die Riemann-Hypothese und ihre verallgemeinerte Form bewiesen sind, werden diese mehr als tausend Sätze als Theoreme etabliert, die einen tiefgreifenden Einfluss auf das Gebiet der Mathematik haben werden, und wenn sich die Riemann-Hypothese als falsch erweist, dann unter anderem Auch diese Sätze werden teilweise ihre Gültigkeit verlieren. Neuer Durchbruch kommt von MIT-Mathematikprofessor Larry Guth und der Universität Oxford

Zeigen Sie LLM die Kausalkette und es lernt die Axiome. KI hilft Mathematikern und Wissenschaftlern bereits bei der Forschung. Beispielsweise hat der berühmte Mathematiker Terence Tao wiederholt seine Forschungs- und Forschungserfahrungen mit Hilfe von KI-Tools wie GPT geteilt. Damit KI in diesen Bereichen konkurrenzfähig sein kann, sind starke und zuverlässige Fähigkeiten zum kausalen Denken unerlässlich. Die in diesem Artikel vorgestellte Forschung ergab, dass ein Transformer-Modell, das auf die Demonstration des kausalen Transitivitätsaxioms für kleine Graphen trainiert wurde, auf das Transitivitätsaxiom für große Graphen verallgemeinern kann. Mit anderen Worten: Wenn der Transformer lernt, einfache kausale Überlegungen anzustellen, kann er für komplexere kausale Überlegungen verwendet werden. Der vom Team vorgeschlagene axiomatische Trainingsrahmen ist ein neues Paradigma zum Erlernen des kausalen Denkens auf der Grundlage passiver Daten, nur mit Demonstrationen
