ZDNET网络频道 05月19日 综合消息:Riverbed科技公司日前宣布推出迄今最强大的Riverbed SteelHead设备。Riverbed CX 70系列是第一款专为满足混合型企业中现代应用需求而设计的WAN优化解决方案,拥有全新的硬件外形,携手2014年11月推出的SteelHead 9.0与 Riverbed SteelCentral AppResponse 9.5,助力最全面的可视化、控制与优化解决方案来加速本地、云端与SaaS应用的性能。全新的SteelHead CX 70系列全面更新了硬件,包括固态硬盘架构,RAM容量增加一倍及更强大的处理能力,带来了更高扩展能力和更好的应用性能。
混合型企业已成为当今企业常态,即各种应用混合运行在本地、SaaS和云,在不断演进的私有和公共网络上实现交付。混合型架构与SaaS应用帮助组织机构降低成本、加快上市时间、提升终端用户生产率。但它们也给试图交付最佳且一致终端用户体验的CIO和IT团队们带来了管理挑战。CIO需要实现从源头到终端用户的全面可视化、控制和优化,确保所有本地、云和SaaS应用的运行保持在由业务决定的SLA服务等级之上。
为应对以上挑战,SteelHead CX 70系列可安全优化终端用户与web应用服务器之间不断增加的连接。随着IT脱离了集中化的网络环境并采用更多的云基础设施,SteelHead还提供了改善可视化能力的网络流量信息,这是排除故障、修复并最终阻止网络和应用退化所必须的,同时优化应用并根据业务需求优化处理重要的网络流量。
Riverbed 高级副总裁兼SteelHead产品部总经理Paul O’Farrell谈到:“Riverbed专注于为混合网络及SaaS应用提供最佳方案,正如过去十余年我们一直为运行在本地的传统WAN与应用所做的一切。SteelHead始终追求交付最佳应用优化,现在我们新增了对混合型应用和混合型网络的可视化与控制,是助力混合型企业实现巅峰性能的关键所在。我们全新的CX70硬件系列,结合SteelHead 9.0 and SteelCentral AppResponse 9.5,打造最强大的解决方案,助力IT将应用性能转化为业务性能。”
全新 CX 70 系列增强功能如下:
全新的SteelHead CX 70硬件系列现已上市,SteelHead 9.0 与 SteelCentral AppResponse 9.5也已上市。欲了解更多信息,请访问我们的网站。
Riverbed SteelHead 与Riverbed Application Performance Platform
Riverbed Application Performance Platform™助力CIO交付、控制并优化混合型企业的所有IT资源。作为该平台的一个关键部分,Riverbed SteelHead是业界首屈一指的WAN优化解决方案,帮助IT确保数据中心、分支机构、云网络和终端用户享有最佳服务等级。而且,根据定制每应用服务水平协议(SLA),SteelHead进一步助力IT通过最佳可用网络优先交付关键应用。SteelHead于2004年开创了WAN优化,对整个WAN和因特网上的应用、传输和数据优化都有独特创新,在任意地点均可交付最佳终端用户体验,同时显著降低网络带宽成本。SteelHead可为企业及SaaS应用提速33倍,但带宽需求却减少97%。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。