“SDN不是某个固定的解决方案或成熟的网络模式。它是通过从传统网络剥离出控制平面,从而实现集中管理,让硬件资源的傻瓜化,进而实现资源的池化。来提升运维能力,转换后台网络服务为前台产品,推动业务变革,实现传统IT人/组织的业务突破。”阿里巴巴网络架构师陈源说。
陈源介绍阿里巴巴的SDN实践时指出,一是来自传统运维的推动力、二是来自集团业务的推动力。
以运维来说,第一要要在很短的时间内实现网络的快速交付,第二是大量的网络变更需要自动化的工具做ACL,三是怎么让网络故障处理对业务的影响降到最低,四是千差万别CLI版本及设备型号的差异,有没有一种方式做集中管控,五是网络规划赶不上业务变化,六是网络流量的无序,这些推动SDN的阿里的应用。
陈源讲到了SDN在阿里巴巴的三个实践,第一个实践在阿里内部称作“一带一路”,主要是基于BGP flowspec/bmp/evpn/调度的海外骨干网。“阿里巴巴在海外有很多线下的商家,线下的企业都可以通过它本地的网络接入。目前在四个地方已经打通了,法兰克福、香港、圣何塞和杭州,这是我们SDN在阿里做的第一个案例。”
第二个实践是Vxlan in IDC,“这个网络架构,做网络的应该都非常熟悉上面是核心,核心是八台。所有的接入的服务器都是定制的服务器,接入到万兆接入交换机上来。四个端口做一个捆绑,上面到分布层,这里放了两个,一共44个,八台乘以44,最后针对八个核心下面,能够承载的服务器规模大概是16800台左右。这16800台物理服务器,大概会承载二十到三十个虚拟机,所以最终的计算规模大概是有40万。虚拟机上,虚拟机和虚拟机之间在数据中心内部,有很灵活的迁移的需求,今天我这一百台虚拟机可能在这个业务平台上用。”
第三个SDN的实践是在WIFI这个层面。“我们网络的触角现在不 仅仅是在我们的办公网,还下沉到我们商家,大型的像银泰,我们接管它的网络设备。”
陈源指出,“有的商户可能非常小,AP的漫游在一个二层的环境里面它可以很频繁的去切换。如果在一个大型的面积可能上万平方的一个购物中心里面,网络在一个大二层的话,会非常差。我们的控制器在云上这个云和它的下面这一端网络环境特差,这个漫游必须用AB和AP之间做决策。”在这样一个控制平面下实现用户的跳转,最终整个系统的管制是在阿里云,是在线上的虚拟机上,后面网络平台搭好之后,网管监控统一认证也是在阿里云。这个是由数据平台事业部实现的,它的整个的计算和处理也都是在阿里云,后台会对接阿里巴巴的广告推送系统,如果某个用户在淘宝上看了一双鞋你没有买,假如某天到印象城打开的WIFI的时候,会发现马上会看到没有买的鞋,这就是阿里巴巴要做的事情。
另外,要对人员实时定位和轨迹记录,当把车停在停车场的时候,只需要掏出手机,把APP打开它可以进入你当前的位置,自动告诉你这个路径要怎么走。无论是阿里妈妈的精准广告推送系统,还是人员实时定位和轨迹记录,或者应用分发,都是阿里云CloudWiFi系统调度中枢实现的。
总体看,无论是配置推送和管理、流量调度、自动化测试、流量可视化和统一监控,都进行了一定程度上的落地。
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。