ZDNET网络频道 06月30日 编译:思科推出15款新产品,旨在打造旗下的物联网整合系统。网络巨头思科的另一个计划是成为“雾计算”(Fog computing)推动者。思科周一推出一系列的产品,以借此为物联网部署建立一个更加完整的系统。
物联网和大数据的威力
传感器时下正席卷几乎每个行业,随之而起的物联网将会导致海量大数据的出现。我们正身处物联网的重要发展阶段,这些对大数据分析的未来举足轻重。
思科的物联网系统听起来和旗下现存的统一计算系统(Unified Computing System)有些相似。统一计算系统采用预先整合的方式,其实是一个含数据中心的盒子。思科的物联网采用的方法是以一系列的产品组合、参考架构以及诸如Rockwell Automation和通用电气等等一类的生态系统为中心的系统。
思科推出的物联网里涵括大量的基础设施设备(从网络设备到安全摄像机不等)。思科同时还加入了分析工具、应用管理以及所谓的“雾计算”(Fog computing)。
雾计算是云计算的扩展,主要用于管理来自传感器和边缘设备的数据。例如,温度计每秒的读数是无需上传到云里的。雾计算技术要做的是在实时数据的基础上得到一个平均数,然后每半小时左右将其上传到云里。如果温度出现异常,传感器仍然可以具有相当的智能而迅速做出反应。
大体上说来,思科的物联网系统和产品针对的是网络连接、雾计算、分析、安全、管理及自动化和应用的实现。
思科物联网系统和软件集团副总裁Kip Compton表示,思科的15个新产品完善了旗下的产品组合。Kip Compton称,“物联网有些复杂,但很多客户却希望在异构环境中能有一个整合系统。”
换句话说,物联网里会有多个玩家,思科的计划是开发自己的生态系统及所有可能的部分。他表示,“这是一个系统管理的方法。”
Rockwell Automation首席执行官Sujett Chand表示,对各个部分的整合在各类物件成为智能资产时显得更为重要。他解释说,“一项智能资产可提供有关自身的信息,系统还可以对其智能资产进行自动化操作。物联网其实是一个不同系统的集合,这些系统需要被糅合在一起。”
实际上,思科与Rockwell的合作伙伴关系的基本思想就是基于两家的运营和信息技术是有联系的,而且这些以后可能还会溶合在一起。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。