甲骨文公司近日推出基于OpenStack的技术预览,可让Oracle Linux和Oracle VM用户使用开源云软件,这为客户提供了更多的选择和更强大的互操作性,并可充分提高Oracle Linux和Oracle VM的效率、性能、可扩展性和安全性。该发布将作为Oracle Linux和Oracle VM首期支持产品的一部分来提供,无需额外成本。甲骨文计划与OpenStack社区合作来开发和增强其企业级功能,以满足客户需求。
利用最新版的Oracle Linux和测试版的Oracle VM 3.3,用户可以在它们的测试环境中安装其OpenStack技术预览。客户可以使用Oracle Linux作为OpenStack 部署的基础操作系统,从而能够利用Oracle Ksplice高级的补丁功能。包括计算、网络和存储管理的OpenStack服务可从Oracle Public Yum Server和Unbreakable Linux Network(ULN)下载。
部署此次OpenStack发布产品的Oracle Linux 和Oracle VM客户也可获得Oracle企业级服务支持。Oracle本周正在乔治亚州亚特兰大参加OpenStack峰会,参会人员可参观D14展位了解更多信息。
甲骨文公司Linux和虚拟化工程高级副总裁Wim Coekaerts表示:“Oracle在很多领域与OpenStack社区有着紧密的合作。Oracle将继续提供OpenStack功能,帮助客户提高部署效率,以更好地管理和支持其大型Oracle数据中心的部署。”
OpenStack基础首席运营官Mark Collier表示:“我们很高兴地看到OpenStack生态系统的不断发展。随着Oracle和其他厂商不断把OpenStack集成到企业IT环境中,用户在它们数据中心部署OpenStack时将会有更多的新选择。”
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。