Alibaba Cloud, AI4DB 애플리케이션 혁신을 가속화하기 위해 PilotScope 기술 출시
12월 20일, 최고의 국제 데이터베이스 컨퍼런스인 VLDB2024에서 일련의 새로운 논문이 발표되었으며, Alibaba Cloud의 신기술 PilotScope가 성공적으로 선정되었습니다. 이 플랫폼 기술은 데이터베이스에서 AI 알고리즘의 "원클릭 배포"를 실현하여 데이터베이스에서 AI 알고리즘의 적용 임계값을 크게 줄이고 데이터베이스 인텔리전스를 위한 새로운 공간을 열 수 있습니다. 같은 날 Alibaba Cloud는 모든 PilotScope 기술이 무료로 오픈 소스화될 것이라고 발표했습니다.
내용 요약: 데이터베이스 컨퍼런스 VLDB2024에 대한 설명 설명
데이터베이스는 국가 경제 및 국민 생활과 관련된 기본 소프트웨어 기술입니다. 데이터베이스 기술의 업데이트는 디지털 시대의 각계각층에 큰 영향을 미치고 있습니다. 그 선두 영역 중 하나가 데이터베이스 인텔리전스(AI4DB, AI for Database)입니다. 현재 데이터베이스 시스템은 매우 복잡하며 안정성 요구 사항이 매우 높습니다. 단일 AI 알고리즘을 단일 데이터베이스와 일치시키고 디버깅하려면 양측의 엔지니어가 몇 주, 심지어 몇 달 동안 긴밀하게 협력해야 하는데 이는 비효율적이고 비효율적입니다. 이로 인해 빠르게 발전하는 AI 알고리즘을 데이터베이스에 적용하는 것이 업계에서 지연되었습니다
참조: Alibaba Cloud PilotScope 아키텍처 다이어그램 그림
이 문제에 대응하여 Alibaba Cloud는 새로운 솔루션을 제안했습니다. 데이터베이스 및 인공 지능 시스템 수준의 모듈 및 인터페이스 정의, 새로운 미들웨어 시스템 플랫폼 PilotScope가 개발되어 인공 지능 알고리즘이 "몇 시간 또는 몇 분 내에 데이터베이스에 원클릭 배포"를 달성할 수 있습니다. VLDB 검토에서는 애플리케이션 시나리오를 기반으로 한 PilotScope의 혁신적인 시스템 설계가 데이터베이스 인텔리전스의 새로운 방향을 열 것이라고 믿습니다
PilotScope는 매개변수 조정, 인덱스 추천, 카디널리티 추정, AI 알고리즘을 최적화하고 PostgreSQL 및 Spark와 같은 두 가지 주류 오픈 소스 데이터베이스의 적응 교정을 완료했습니다. 실험 데이터에 따르면 AI 알고리즘을 데이터베이스에 내장하기 위해 PilotScope를 사용하면 기존의 "하드 이식" 방법에 비해 쿼리 최적화와 같은 작업 속도를 1~2배 높일 수 있으며, PilotScope 자체로 인해 발생하는 추가 배포 비용은 기본적으로 무시할 수 있습니다. , 성능이 뛰어납니다. 
재작성된 내용: PilotScope 렌더링 분석
"PilotScope는 데이터베이스 AI '최고 관리자'입니다. 이 플랫폼을 통해 AI 엔지니어는 다양한 데이터베이스의 배포 및 적용을 구현하기 위한 일반 알고리즘 설계에만 집중하면 됩니다. AI는 API를 호출하는 것만큼 쉽고 효율적입니다.” 프로젝트 책임자인 Zhu Rong은 PilotScope가 데이터베이스를 '침입 제로'로 설계했으며 지능형 탐지, 롤백, 격리 등의 메커니즘도 설계했다고 말했습니다. AI 환상의 위험을 감수하고 데이터베이스 안정성을 보장하면서 지능적인 개선을 달성합니다
현재 상황에서 PilotScope는 Alibaba Cloud 내에서 파일럿 애플리케이션을 시작했으며 관련 기술도 GitHub 및 Modelscope 커뮤니티를 통해 외부 세계에 제공됩니다. 무료 및 오픈 소스
VLDB는 3대 국제 데이터베이스 컨퍼런스 중 하나로 매년 학계와 산업 현장에 중요한 영향을 미친 새로운 결과만을 발표합니다. 제50회 VLDB 컨퍼런스는 2024년 8월 중국 광저우에서 개최될 예정입니다.
오픈소스 주소는 첨부되어 있습니다:
https://github.com/alibaba/pilotscope
위 내용은 Alibaba Cloud, AI4DB 애플리케이션 혁신을 가속화하기 위해 PilotScope 기술 출시의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
핫 AI 도구
Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱
AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.
Undress AI Tool
무료로 이미지를 벗다
Clothoff.io
AI 옷 제거제
Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!
인기 기사
뜨거운 도구
메모장++7.3.1
사용하기 쉬운 무료 코드 편집기
SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.
스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경
드림위버 CS6
시각적 웹 개발 도구
SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)
뜨거운 주제
7695
15
1640
14
1393
52
1287
25
1229
29
ControlNet의 저자가 또 다른 히트를 쳤습니다! 이틀 만에 14,000개의 별을 획득하여 그림에서 그림을 생성하는 전체 과정
Jul 17, 2024 am 01:56 AM
역시 Tusheng 영상이지만 PaintsUndo는 다른 경로를 택했습니다. ControlNet 작성자 LvminZhang이 다시 살기 시작했습니다! 이번에는 회화 분야를 목표로 삼고 있습니다. 새로운 프로젝트인 PaintsUndo는 출시된 지 얼마 되지 않아 1.4kstar(여전히 상승세)를 받았습니다. 프로젝트 주소: https://github.com/lllyasviel/Paints-UNDO 이 프로젝트를 통해 사용자는 정적 이미지를 입력하고 PaintsUndo는 자동으로 라인 초안부터 완성품 따라가기까지 전체 페인팅 과정의 비디오를 생성하도록 도와줍니다. . 그리는 과정에서 선의 변화가 놀랍습니다. 최종 영상 결과는 원본 이미지와 매우 유사합니다. 완성된 그림을 살펴보겠습니다.
오픈 소스 AI 소프트웨어 엔지니어 목록의 1위인 UIUC의 에이전트 없는 솔루션은 SWE 벤치의 실제 프로그래밍 문제를 쉽게 해결합니다.
Jul 17, 2024 pm 10:02 PM
AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 이 논문의 저자는 모두 일리노이 대학교 Urbana-Champaign(UIUC)의 Zhang Lingming 교사 팀 출신입니다. Steven Code Repair, 박사 4년차, 연구원
RLHF에서 DPO, TDPO까지 대규모 모델 정렬 알고리즘은 이미 '토큰 수준'입니다.
Jun 24, 2024 pm 03:04 PM
AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 인공 지능 개발 과정에서 LLM(대형 언어 모델)의 제어 및 안내는 항상 핵심 과제 중 하나였으며 이러한 모델이 두 가지 모두를 보장하는 것을 목표로 했습니다. 강력하고 안전하게 인간 사회에 봉사합니다. 인간 피드백(RL)을 통한 강화 학습 방법에 초점을 맞춘 초기 노력
OpenAI Super Alignment Team의 사후 작업: 두 개의 대형 모델이 게임을 하고 출력이 더 이해하기 쉬워졌습니다.
Jul 19, 2024 am 01:29 AM
AI 모델이 내놓은 답변이 전혀 이해하기 어렵다면 감히 사용해 보시겠습니까? 기계 학습 시스템이 더 중요한 영역에서 사용됨에 따라 우리가 그 결과를 신뢰할 수 있는 이유와 신뢰할 수 없는 경우를 보여주는 것이 점점 더 중요해지고 있습니다. 복잡한 시스템의 출력에 대한 신뢰를 얻는 한 가지 가능한 방법은 시스템이 인간이나 다른 신뢰할 수 있는 시스템이 읽을 수 있는 출력 해석을 생성하도록 요구하는 것입니다. 즉, 가능한 오류가 발생할 수 있는 지점까지 완전히 이해할 수 있습니다. 설립하다. 예를 들어, 사법 시스템에 대한 신뢰를 구축하기 위해 우리는 법원이 자신의 결정을 설명하고 뒷받침하는 명확하고 읽기 쉬운 서면 의견을 제공하도록 요구합니다. 대규모 언어 모델의 경우 유사한 접근 방식을 채택할 수도 있습니다. 그러나 이 접근 방식을 사용할 때는 언어 모델이 다음을 생성하는지 확인하세요.
리만 가설의 중요한 돌파구! 타오저쉬안(Tao Zhexuan)은 MIT와 옥스퍼드의 새로운 논문을 적극 추천했으며, 37세의 필즈상 수상자도 참여했다.
Aug 05, 2024 pm 03:32 PM
최근 새천년 7대 과제 중 하나로 알려진 리만 가설이 새로운 돌파구를 마련했다. 리만 가설은 소수 분포의 정확한 특성과 관련된 수학에서 매우 중요한 미해결 문제입니다(소수는 1과 자기 자신으로만 나눌 수 있는 숫자이며 정수 이론에서 근본적인 역할을 합니다). 오늘날의 수학 문헌에는 리만 가설(또는 일반화된 형식)의 확립에 기초한 수학적 명제가 천 개가 넘습니다. 즉, 리만 가설과 그 일반화된 형식이 입증되면 천 개가 넘는 명제가 정리로 확립되어 수학 분야에 지대한 영향을 미칠 것이며, 리만 가설이 틀린 것으로 입증된다면, 이러한 제안의 일부도 그 효과를 잃을 것입니다. MIT 수학 교수 Larry Guth와 Oxford University의 새로운 돌파구
arXiv 논문은 '연발'로 게시될 수 있습니다. Stanford alphaXiv 토론 플랫폼은 온라인이며 LeCun은 이를 좋아합니다.
Aug 01, 2024 pm 05:18 PM
건배! 종이 토론이 말로만 진행된다면 어떤가요? 최근 스탠포드 대학교 학생들은 arXiv 논문에 대한 질문과 의견을 직접 게시할 수 있는 arXiv 논문에 대한 공개 토론 포럼인 alphaXiv를 만들었습니다. 웹사이트 링크: https://alphaxiv.org/ 실제로 이 웹사이트를 특별히 방문할 필요는 없습니다. URL에서 arXiv를 alphaXiv로 변경하면 alphaXiv 포럼에서 해당 논문을 바로 열 수 있습니다. 논문, 문장: 오른쪽 토론 영역에서 사용자는 저자에게 논문의 아이디어와 세부 사항에 대해 질문하는 질문을 게시할 수 있습니다. 예를 들어 다음과 같이 논문 내용에 대해 의견을 제시할 수도 있습니다.
최초의 Mamba 기반 MLLM이 출시되었습니다! 모델 가중치, 학습 코드 등은 모두 오픈 소스입니다.
Jul 17, 2024 am 02:46 AM
AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 서문 최근 몇 년 동안 다양한 분야에서 MLLM(Multimodal Large Language Model)의 적용이 눈에 띄는 성공을 거두었습니다. 그러나 많은 다운스트림 작업의 기본 모델로서 현재 MLLM은 잘 알려진 Transformer 네트워크로 구성됩니다.
Axiom 교육을 통해 LLM은 인과 추론을 학습할 수 있습니다. 6,700만 개의 매개변수 모델은 1조 매개변수 수준 GPT-4와 비슷합니다.
Jul 17, 2024 am 10:14 AM
LLM에 인과관계 사슬을 보여주면 공리를 학습합니다. AI는 이미 수학자 및 과학자의 연구 수행을 돕고 있습니다. 예를 들어, 유명한 수학자 Terence Tao는 GPT와 같은 AI 도구의 도움을 받아 자신의 연구 및 탐색 경험을 반복적으로 공유했습니다. AI가 이러한 분야에서 경쟁하려면 강력하고 신뢰할 수 있는 인과관계 추론 능력이 필수적입니다. 본 논문에서 소개할 연구에서는 작은 그래프의 인과 전이성 공리 시연을 위해 훈련된 Transformer 모델이 큰 그래프의 전이 공리로 일반화될 수 있음을 발견했습니다. 즉, Transformer가 단순한 인과 추론을 수행하는 방법을 학습하면 보다 복잡한 인과 추론에 사용될 수 있습니다. 팀이 제안하는 공리적 훈련 프레임워크는 시연만으로 패시브 데이터를 기반으로 인과 추론을 학습하는 새로운 패러다임입니다.
