ZDNET网络频道 06月12日 北京报道:随着云计算、大数据、移动化办公(BYOD)等趋势的不断深入,越来越多的企业开始接受新技术来改善自身业务发展。同时,在企业IT基础设施方面也逐渐从传统的本地模式转向云端模式,这给安全、稳定性等问题提出了给多要求。而目前云平台的响应速度是否能够像运营商标称的那样完全满足企业业务需求呢?另外,当企业的CRM系统、Email,以及语音通信等系统全部放到云端后,IT部门需要对此提供哪些帮助呢?
针对以上问题,福禄克网络近期提出了重整产品组合的综合战略,以满足“无边界企业”的新需求。同时,为了积极迎合云计算时代下企业IT基础设施的全新构建方式,福禄克网络还推出了一款全新的云端监控产品,可以提供对混合云或多种云端服务模式的监测服务。
福禄克网络高级产品顾问及产品经理 Vincent Choi
什么是“无边界企业”?
那么,具体什么叫“无边界企业”呢?福禄克网络高级产品顾问及产品经理 Vincent Choi认为,“由于目前的企业用户在业务应用不仅在内网中运行,同时也越来越多的跑在外网当中去,企业网络管理也从以前的内网管理逐渐延伸到对外网的监管。所以现在企业IT部门负责的范围是无边界的。” 即企业利用目前各种云端服务开展业务的全新业务模式。
而在国内很多企业都会担心云的安全性、稳定性,及可控性等问题,而对于IT管理部门而言,其实并不希望应用这些新的技术,因为其给管理带来的很多麻烦,所以这些问题也给云计算的应用带来很多瓶颈和障碍。
对此,Vincent Choi表示,“福禄克网络的产品战略重点在于通过强大而易用的产品组合,让企业用户重新掌控包括企业内部和云端应用在内的整个IT架构的性能。此外,福禄克网络最新推出的软件即服务(SaaS)产品TruView Live,将企业级实时网络性能监测范围拓展到了云端应用层面,以便更好的帮助企业用户获知云端服务的性能与可用性。”
SaaS级服务TruView Live
据Vincent Choi称,“TruView Live是一款通过软件服务形式提供给用户的虚拟探针产品,福禄克网络称其为虚拟脉动,首先,用户只需要注册就可以开通这项服务,无需额外购买硬件监测产品;而后,用户通过在网络中部署和配置虚拟脉动来灵活的定制自己的测试节点和测试内容。”
此外,相对于传统物理探针的监测方式而言,这种方式更加适用于当前基于云平台的业务及应用。Vincent Choi表示,“这种方法是用动态的方法去测试,而不是用传统监测方法去做测试。比如你的企业有一千个用户,需要放一千个探针,定期为这一千个用户端口去做测试,但目前很多用户不需要定期做测试,而是在出现问题时才需要测试。那么传统的固定探针肯定不适用于这些用户。所以TruView Live方案对于用户而言,可以根据不同的网络环境,随时随地的部署虚拟探针来提供实时的网络性能监测。”
打破传统计费标准
而在计费标准方面,TruView Live与以往单纯按探针数量计费不同,是以用户所做的测试数量来收费。用Vincent Choi的话说就是“用户对多少个点同时做了测试,那么就收取多少测试费用。在对SaaS级企业应用来说,很好的保障了其业务的可用性。同时,也降低了其测试成本。”
提升企业IT运维管理价值
在IT运维管理方面,Vincent Choi称,“对于IT管理人员来说,所需要做的工作非常少。首先,只需在用户端安装一个客户端程序,可以通过我们的平台发送Email到用户端,用户点击链接就可以自动安装。这个程序支持Linux及 Windows系统,将来会支持安卓及IOS系统。其次,管理员可以通过云端平台对这些探头进行统一设定,比如探针要做哪些测试?对什么做测试等等,当配置好后,可以在需要的任何时候点去做相关测试。最后,当执行测试时,测试结果会通过探头自动上传到云端服务器,通过可视化面板集中为用户你展现测试结果及报告,而这一切都通过云端平台来实现。”
最后,Vincent Choi指出,“许多IT部门依赖多个单点解决方案工具监测应用及网络性能,并排除相关故障。而这些解决方案缺乏衡量终端用户体验所需的整体视角。此次,福禄克网络所推出的Visual TruView的一体化网络与应用性能监测工具,可以有效帮助企业IT部门确定设备、应用、本地及云端性能的体验问题。通过监测终端用户体验的实际响应时间,IT部门可以根据业务部门的目标来调整IT策略,从而为企业IT管理带来真正意义上的价值体现。”
好文章,需要你的鼓励
这篇博客详细解读了阿里巴巴通义实验室和中科大联合开发的VRAG-RL框架,该框架通过强化学习优化视觉语言模型处理复杂视觉信息的能力。研究创新性地定义了视觉感知动作空间,使模型能从粗到细地感知信息密集区域,并设计了结合检索效率与结果质量的精细奖励机制。实验表明,该方法在各类视觉理解任务上大幅超越现有技术,Qwen2.5-VL-7B和3B模型分别提升了20%和30%的性能,为处理图表、布局等复杂视觉信息提供了更强大的工具。
香港科技大学研究团队发现AI训练中的验证器存在严重缺陷。基于规则的验证器虽精确但僵化,平均有14%的正确答案因表达形式不同被误判;基于模型的验证器虽灵活但极易被"黑客攻击",AI可通过输出特定模式欺骗验证器获得不当奖励。研究提出混合验证器设计,结合两者优势,在数学推理任务上将性能提升3个百分点,为开发更可靠的AI训练系统提供重要启示。
这项研究提出了"用生成图像思考"的创新范式,使AI能够通过生成中间视觉步骤在文本和图像模态间自然思考。研究者实现了"原生长多模态思维过程",使大型多模态模型能够生成视觉子目标和自我批评视觉假设。实验表明,该方法在处理复杂多物体场景时性能提升高达50%,为医学研究、建筑设计和刑事侦查等领域开创了新的应用可能。
这篇论文介绍了GRE套装,一个通过精细调优视觉语言模型和增强推理链来提升图像地理定位能力的创新框架。研究团队开发了高质量地理推理数据集GRE30K、多阶段推理模型GRE以及全面评估基准GREval-Bench。通过冷启动监督微调与两阶段强化学习相结合的训练策略,GRE模型能够有效识别图像中的显性和隐性地理指标,在Im2GPS3k和GWS15k等主流基准上显著优于现有方法,为全球图像地理定位任务提供了更准确、更可解释的解决方案。