Périphériques technologiques
IA
Tencent Cloud Database a une fois de plus été récompensé par les meilleures conférences et le document a été sélectionné avec succès pour le VLDB2023.
Tencent Cloud Database a une fois de plus été récompensé par les meilleures conférences et le document a été sélectionné avec succès pour le VLDB2023.
Lors de la 49e conférence VLDB, la plus grande conférence internationale sur les bases de données, deux articles de Tencent Cloud TDSQL ont été inclus avec succès dans VLDB 2023, prouvant une fois de plus que les technologies innovantes sont reconnues par la plus grande conférence internationale VLDB
Comme l'une des trois meilleures conférences en Dans le domaine des bases de données, chaque conférence VLDB se concentre sur l'affichage des orientations les plus avancées de la recherche actuelle sur les bases de données et des dernières applications industrielles, attirant la participation de nombreuses entreprises technologiques et instituts de recherche de premier plan au monde. Étant donné que la conférence a des exigences extrêmement élevées en matière d'innovation système, d'exhaustivité, de conception expérimentale, etc., le taux d'acceptation des articles de la conférence VLDB est généralement faible (environ 18 %).
Parmi les articles sélectionnés, la solution "Efficient Black-box Checking of Snapshot Isolation in Databases" développée conjointement par Tencent Cloud, l'Université de Nanjing et l'ETH Zurich propose un nouveau vérificateur de boîte noire - PolySI, qui peut vérifier efficacement l'isolation des instantanés (SI ) et fournissez des contre-exemples compréhensibles lorsque des violations sont détectées.
L'isolation Snapshot est un niveau d'isolation faible courant, qui évite la perte de performances causée par la sérialisation et peut prévenir de nombreuses anomalies de données courantes. Cependant, certaines bases de données cloud de production qui prétendent fournir des garanties d’isolation des instantanés généreront toujours des anomalies dans les données SI, ce qui aura un impact énorme, notamment dans le domaine financier. Les outils similaires existants dans l'industrie ne prennent pas en charge les tests de niveau d'isolation des instantanés ou sont moins efficaces. Compte tenu de la complexité des systèmes de bases de données et du fait que les informations internes de la base de données sont souvent inaccessibles, le secteur a un besoin urgent d'un vérificateur d'isolation d'instantanés en boîte noire.
Pour résoudre ce problème, nous avons proposé et conçu l'algorithme et les outils "PolySI". La base théorique de PolySI est le théorème de caractérisation SI basé sur les polygraphes généralisés (GP), qui garantit l'exactitude et l'exhaustivité de PolySI. PolySI adopte un solveur SMT (MonoSAT) et exploite le schéma de codage de contraintes compact des GP ainsi que des optimisations spécifiques au domaine pour accélérer la résolution SMT
Actuellement, grâce à une évaluation approfondie, PolySI reproduit avec succès les anomalies SI connues dans trois productions. De nouvelles anomalies SI sont détectées dans le une base de données cloud et des contre-exemples compréhensibles sont fournis. PolySI surpasse les vérificateurs de boîte noire SI de pointe actuels dans plusieurs classes de charges de travail et est capable de s'adapter à des charges de travail à grande échelle.
Selon notre compréhension, l'article « L'évolution des schémas en ligne est (presque) gratuite pour les bases de données instantanées » rédigé conjointement par Tencent Cloud et l'Université Simon Fraser présente une nouvelle méthode d'évolution de schémas en ligne et transactionnelle appelée « Tesseract », visant à résoudre les défis rencontré dans le processus de modification du schéma de la base de données en ligne
Actuellement, les applications de base de données modernes effectuent souvent des modifications de schéma en fonction de l'évolution des besoins. Le principal avantage de la modification du schéma de la base de données en ligne est qu'il n'est pas nécessaire d'arrêter le service de base de données ou d'interrompre les transactions en cours. . Apportez des modifications structurelles qui permettent à la base de données de répondre aux changements dynamiques sans nécessiter de temps d'arrêt pour la maintenance ou le redémarrage de la base de données.
Dans les systèmes de bases de données existants, bien que l'évolution des schémas en ligne et transactionnels (schéma) soit prise en charge, ils sont également confrontés à certains défis. Le premier est la question de la cohérence des données. Lorsque des modifications structurelles sont apportées, afin de garantir la cohérence des données, des transactions ou d'autres mécanismes doivent être utilisés pour garantir l'intégrité et l'exactitude des données. Deuxièmement, il y a le problème du temps d'exécution long. Certaines modifications structurelles peuvent prendre beaucoup de temps, notamment pour les bases de données volumineuses ou les modifications de structures complexes, ce qui peut avoir un certain impact sur les performances de la base de données. Par conséquent, les modifications doivent être apportées dans un délai approprié pour minimiser l'impact sur l'entreprise.
Dans les solutions précédentes, une approche ad hoc pour « corriger » l'évolution du schéma était souvent appliquée au système existant, ce qui entraînait de nombreux cas Edge. et des fonctionnalités incomplètes. Par conséquent, les applications nécessitent souvent des temps d'arrêt soigneusement planifiés pour apporter des modifications au schéma, sacrifiant ainsi la disponibilité
Pour éviter les inconvénients ci-dessus, Tesseract entre en jeu. Dans les systèmes de bases de données multiversions largement utilisés, l'évolution du schéma peut être modélisée sous forme d'opérations de modification des données sur la table entière, ce que l'on appelle la définition des données en tant que modification (DDaM). De cette façon, Tesseract peut prendre en charge le modèle à un coût presque nul en tirant parti du protocole de contrôle de concurrence
Lors des tests d'application Tesseract, nous avons effectué un simple ajustement au protocole d'isolation d'instantané existant. Sous des charges de travail sur des serveurs à 40 cœurs, Tesseract est capable de réaliser une évolution de schéma transactionnel en ligne sans temps d'arrêt et de maintenir des performances d'application élevées pendant le processus d'évolution.
En participant à la principale conférence sur les bases de données VLDB, Tencent Cloud apporte les dernières nouveautés dans le domaine des bases de données. Les avancées technologiques et les orientations de l'innovation sont partagées simultanément avec les développeurs technologiques mondiaux, ce qui fournit également des cas de référence extrêmement précieux pour le développement technologique et industriel dans le domaine des bases de données. À l'avenir, Tencent Cloud continuera d'améliorer les technologies, les produits et les capacités écologiques liés aux bases de données afin de fournir des services de bases de données pratiques et faciles à utiliser pour tous les horizons.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Sujets chauds
Du RLHF au DPO en passant par TDPO, les algorithmes d'alignement des grands modèles sont déjà « au niveau des jetons »
Jun 24, 2024 pm 03:04 PM
La colonne AIxiv est une colonne où ce site publie du contenu académique et technique. Au cours des dernières années, la rubrique AIxiv de ce site a reçu plus de 2 000 rapports, couvrant les meilleurs laboratoires des principales universités et entreprises du monde entier, favorisant efficacement les échanges et la diffusion académiques. Si vous souhaitez partager un excellent travail, n'hésitez pas à contribuer ou à nous contacter pour un rapport. Courriel de soumission : liyazhou@jiqizhixin.com ; zhaoyunfeng@jiqizhixin.com Dans le processus de développement de l'intelligence artificielle, le contrôle et le guidage des grands modèles de langage (LLM) ont toujours été l'un des principaux défis, visant à garantir que ces modèles sont à la fois puissant et sûr au service de la société humaine. Les premiers efforts se sont concentrés sur les méthodes d’apprentissage par renforcement par feedback humain (RL
L'auteur de ControlNet a encore un succès ! L'ensemble du processus de génération d'une peinture à partir d'une image, gagnant 1,4k étoiles en deux jours
Jul 17, 2024 am 01:56 AM
Il s'agit également d'une vidéo Tusheng, mais PaintsUndo a emprunté une voie différente. L'auteur de ControlNet, LvminZhang, a recommencé à vivre ! Cette fois, je vise le domaine de la peinture. Le nouveau projet PaintsUndo a reçu 1,4kstar (toujours en hausse folle) peu de temps après son lancement. Adresse du projet : https://github.com/lllyasviel/Paints-UNDO Grâce à ce projet, l'utilisateur saisit une image statique et PaintsUndo peut automatiquement vous aider à générer une vidéo de l'ensemble du processus de peinture, du brouillon de ligne au suivi du produit fini. . Pendant le processus de dessin, les changements de lignes sont étonnants. Le résultat vidéo final est très similaire à l’image originale : jetons un coup d’œil à un dessin complet.
En tête de liste des ingénieurs logiciels d'IA open source, la solution sans agent de l'UIUC résout facilement les problèmes de programmation réels du banc SWE.
Jul 17, 2024 pm 10:02 PM
La colonne AIxiv est une colonne où ce site publie du contenu académique et technique. Au cours des dernières années, la rubrique AIxiv de ce site a reçu plus de 2 000 rapports, couvrant les meilleurs laboratoires des principales universités et entreprises du monde entier, favorisant efficacement les échanges et la diffusion académiques. Si vous souhaitez partager un excellent travail, n'hésitez pas à contribuer ou à nous contacter pour un rapport. Courriel de soumission : liyazhou@jiqizhixin.com ; zhaoyunfeng@jiqizhixin.com Les auteurs de cet article font tous partie de l'équipe de l'enseignant Zhang Lingming de l'Université de l'Illinois à Urbana-Champaign (UIUC), notamment : Steven Code repair ; doctorant en quatrième année, chercheur
Travail posthume de l'équipe OpenAI Super Alignment : deux grands modèles jouent à un jeu et le résultat devient plus compréhensible
Jul 19, 2024 am 01:29 AM
Si la réponse donnée par le modèle d’IA est incompréhensible du tout, oseriez-vous l’utiliser ? À mesure que les systèmes d’apprentissage automatique sont utilisés dans des domaines de plus en plus importants, il devient de plus en plus important de démontrer pourquoi nous pouvons faire confiance à leurs résultats, et quand ne pas leur faire confiance. Une façon possible de gagner confiance dans le résultat d'un système complexe est d'exiger que le système produise une interprétation de son résultat qui soit lisible par un humain ou un autre système de confiance, c'est-à-dire entièrement compréhensible au point que toute erreur possible puisse être trouvé. Par exemple, pour renforcer la confiance dans le système judiciaire, nous exigeons que les tribunaux fournissent des avis écrits clairs et lisibles qui expliquent et soutiennent leurs décisions. Pour les grands modèles de langage, nous pouvons également adopter une approche similaire. Cependant, lorsque vous adoptez cette approche, assurez-vous que le modèle de langage génère
Une avancée significative dans l'hypothèse de Riemann ! Tao Zhexuan recommande fortement les nouveaux articles du MIT et d'Oxford, et le lauréat de la médaille Fields, âgé de 37 ans, a participé
Aug 05, 2024 pm 03:32 PM
Récemment, l’hypothèse de Riemann, connue comme l’un des sept problèmes majeurs du millénaire, a réalisé une nouvelle avancée. L'hypothèse de Riemann est un problème mathématique non résolu très important, lié aux propriétés précises de la distribution des nombres premiers (les nombres premiers sont les nombres qui ne sont divisibles que par 1 et par eux-mêmes, et jouent un rôle fondamental dans la théorie des nombres). Dans la littérature mathématique actuelle, il existe plus d'un millier de propositions mathématiques basées sur l'établissement de l'hypothèse de Riemann (ou sa forme généralisée). En d’autres termes, une fois que l’hypothèse de Riemann et sa forme généralisée seront prouvées, ces plus d’un millier de propositions seront établies sous forme de théorèmes, qui auront un impact profond sur le domaine des mathématiques et si l’hypothèse de Riemann s’avère fausse, alors parmi eux ; ces propositions qui en font partie perdront également de leur efficacité. Une nouvelle percée vient du professeur de mathématiques du MIT, Larry Guth, et de l'Université d'Oxford
Les articles arXiv peuvent être publiés sous forme de 'barrage', la plateforme de discussion alphaXiv de Stanford est en ligne, LeCun l'aime
Aug 01, 2024 pm 05:18 PM
acclamations! Qu’est-ce que ça fait lorsqu’une discussion sur papier se résume à des mots ? Récemment, des étudiants de l'Université de Stanford ont créé alphaXiv, un forum de discussion ouvert pour les articles arXiv qui permet de publier des questions et des commentaires directement sur n'importe quel article arXiv. Lien du site Web : https://alphaxiv.org/ En fait, il n'est pas nécessaire de visiter spécifiquement ce site Web. Il suffit de remplacer arXiv dans n'importe quelle URL par alphaXiv pour ouvrir directement l'article correspondant sur le forum alphaXiv : vous pouvez localiser avec précision les paragraphes dans. l'article, Phrase : dans la zone de discussion sur la droite, les utilisateurs peuvent poser des questions à l'auteur sur les idées et les détails de l'article. Par exemple, ils peuvent également commenter le contenu de l'article, tels que : "Donné à".
Génération vidéo illimitée, planification et prise de décision, diffusion, intégration forcée de la prédiction du prochain jeton et diffusion de la séquence complète
Jul 23, 2024 pm 02:05 PM
Actuellement, les modèles linguistiques autorégressifs à grande échelle utilisant le prochain paradigme de prédiction de jetons sont devenus populaires partout dans le monde. Dans le même temps, un grand nombre d'images et de vidéos synthétiques sur Internet nous ont déjà montré la puissance des modèles de diffusion. Récemment, une équipe de recherche de MITCSAIL (dont Chen Boyuan, doctorant au MIT) a intégré avec succès les puissantes capacités du modèle de diffusion en séquence complète et du prochain modèle de jeton, et a proposé un paradigme de formation et d'échantillonnage : le forçage de diffusion (DF ). Titre de l'article : DiffusionForcing:Next-tokenPredictionMeetsFull-SequenceDiffusion Adresse de l'article : https://
La formation Axiom permet au LLM d'apprendre le raisonnement causal : le modèle à 67 millions de paramètres est comparable au niveau de mille milliards de paramètres GPT-4.
Jul 17, 2024 am 10:14 AM
Montrez la chaîne causale à LLM et il pourra apprendre les axiomes. L'IA aide déjà les mathématiciens et les scientifiques à mener des recherches. Par exemple, le célèbre mathématicien Terence Tao a partagé à plusieurs reprises son expérience de recherche et d'exploration à l'aide d'outils d'IA tels que GPT. Pour que l’IA soit compétitive dans ces domaines, des capacités de raisonnement causal solides et fiables sont essentielles. La recherche présentée dans cet article a révélé qu'un modèle Transformer formé sur la démonstration de l'axiome de transitivité causale sur de petits graphes peut se généraliser à l'axiome de transitivité sur de grands graphes. En d’autres termes, si le Transformateur apprend à effectuer un raisonnement causal simple, il peut être utilisé pour un raisonnement causal plus complexe. Le cadre de formation axiomatique proposé par l'équipe est un nouveau paradigme pour l'apprentissage du raisonnement causal basé sur des données passives, avec uniquement des démonstrations.
