作为中国历史最悠久、最负盛名且最具竞争力的高等学府之一,上海交通大学(SJTU)已经在其五个校区部署了新的10 Gbps网络主干线路,以支持学术和行政系统的数据流量的持续增长。 通过将之前在不同网络上运行的应用程序迁移到一个单一的基础架构上,在博科(NASDAQ:BRCD)强大的交换路由器上运行的新的主干线路帮助上海交通大学降低成本并简化管理。 无论对学校学术水平的提高,还是数字校园服务创新的支持来说,博科的解决方案为上海交通大学迈向软件定义网络(SDN)奠定了坚实的基础。
上海交通大学创办于1896年,因培养中国的顶尖工程师和科学家而闻名于世。20世纪30年代,上海交通大学就被誉为“东方的麻省理工学院”。自上世纪70年代末以来,上海交通大学经历了迅速发展的阶段,目前学校专业已经涵盖教育、商业、法律、医学、生命科学和社会科学等学科。 如今,上海交通大学拥有近40,000名在校学生,超过一半的学生正在攻读硕士学位。此外,还拥有1900余名教授和副教授,其中包括15名中国科学院院士和20名中国工程院院士。
上海交通大学网络信息中心运行部主任谢锐表示:“上海交通大学当前的网络庞大而复杂,必须为校园里的有线和无线设备提供可靠的服务。在过去的九年里,我们一直在主干线路中使用博科MLX系列路由器,事实证明了它的强大。 因此,在选择新一代的基础架构时,我们首先考虑到了博科。我们最近部署的博科MLXe路由器使网络管理成本减半,同时使核心网络性能增加了10倍。它基于开放的标准,为迈向软件定义网络奠定了坚实的基础。”
博科网络工程师与上海交通大学一起设计了一个满足该校需求的基于Brocade® MLXe 核心路由器的解决方案。 这些路由器都采用了最先进的第六代网络处理器架构和TB级交换矩阵。博科MLXe核心路由器助力上海交通大学以10 Gbps的速度来运行主干线路,在需要的时候能够支持40和100 Gbps线速接口。 博科MLXe核心路由器还提供了一组丰富的高性能第2/3层、IPv4、IPv6和多协议标签交换(MPLS)、线速加密和软件定义网络功能。 MPLS正被上海交通大学用于把主干线路分割成多个虚拟网络,以满足包括以前在独立的物理网络上运行的校园电视和一卡通智能卡接入系统等在内的不同的应用流。
博科大中华区副总裁于肇烈先生表示:“上海交通大学是中国的顶尖学府之一,在 IT相关领域表现突出。 我们为了上海交通大学更加信任博科的技术,进一步部署博科MLXe路由器来支持其下一代主干线路而骄傲。 无论对于学校的行政管理还是学术发展来说,上海交通大学对软件定义网络(SDN)都十分感兴趣。我们正期待该校在未来几年里开发更多基于软件定义网络(SDN)的创新成果。”
Brocade MLX® 系列产品通过支持基于OpenFlow的路由器和OpenFlow SDN控制器(如基于Linux 基金会的OpenDaylight 项目的博科SDN控制器)之间进行通信的OpenFlow 1.3协议,实现了软件定义网络。 博科设备支持OpenFlow Hybrid端口模式,帮助上海交通大学能够在同一端口上同时部署多个含有OpenFlow的传统路由。通过支持OpenFlow集成到现有的网络中,利用软件定义网络为特定流量提供编程控制,并保持原有的流量发送方式,这一独特的功能为迈向软件定义网络(SDN)提供了一个实用的路径。
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。