在本期任务专访中,一位IT专业人士探讨了随着设备激增,为学生公寓支持无线基础设施面临的挑战。
在这篇文章中,我们采访了International House的IT经理Heriberto Altieri,International House是私有非盈利宿舍,其居民主要是在纽约市各大学就读的国际学生。
你最近在忙什么网络项目?
Heriberto Altieri:我们正试图改进Wi-Fi,在五年前,我们做了初始投资,并部署了Wi-Fi,现在我们试图对无线基础设施进行升级和改进。
你试图实现什么目标?
Altieri:我们需要满足来自世界各地的学生居民的需求,这是一个挑战。该技术变化非常快,满足带宽分配和配置需求是不小的挑战,还有无线基础设施和密度的挑战。
我预计这次升级主要将在基础设施以及终端,例如部署采用新11ac技术的新接入点。现在我们有11n,所以我们正在试图支持一些新的协议。目前我们正在使用Ruckus硬件和Slice(纽约托管服务提供商)的产品,我们可能会在升级中继续使用这些产品。
你是否在网络中看到很多802.11ac移动设备?我认为,在一般情况下,学生总是会使用最新的设备。
Altieri:这是很有趣的事情:由于人们来自世界各地,我们看到了各种类型的设备。你会看到有的人使用最新最强大的设备,你也会看到有人在使用老旧的设备和装置。我们正在试图理解这一点,我们基本上会深入到居民社区,通过反馈意见了解他们需要哪些类型的服务以及需要多少。
International House位于拥有近百年历史的建筑物中,这对你的无线基础设施会有什么影响?
Altieri:当他们建造这些建筑物时,他们使用的材料类型与现在完全不同。当我们最初部署Wi-Fi时,最大的挑战是干扰,还有密度等其他的挑战。
在使用Slice产品前,我们的网络为非托管状态。我们选择Slice托管网络,让我们能够更好地管理容量,以及提供更好的服务。他们帮助我们管理带宽的 分配、减少干扰,以及为用户提供更好的体验,例如通过配置动态VLAN以及确保网络更加安全。与Slice合作还有很多好处,我们对网络感到很满意,但我 们仍然面临一些挑战。
例如什么挑战?
Altieri:密度和速度,特别是密度,因为我们看到人们使用越来越多的设备,还有开发人员在编写越来越多的应用用于移动设备。所以,我认为我们面临的最具挑战性的问题是,如何应对如此多的设备,并能够支持它们,同时为最终用户提供良好的性能以及体验。
这些年来,你听过的最好的职业建议是什么?
Altieri:听 取客户的意见。我的一个朋友是一名DJ,有天我们在聊天,他说道,“一个好的DJ不会播放他喜欢的音乐,而是播放人们喜欢的音乐。”我认为在商业世界也是 如此,我们应该专注于客户真正的需要。如果你想要提供良好的服务,你需要了解客户的需求,在这种情况下,即最终用户的需求。不要从服务的角度来假设最终用 户需要什么,你应该通过征求反馈意见了解他们真正的需求,并试图满足其需求。
你是如何进入IT领域的?
Altieri:我的专业是电子工程,我在学校学习修理电视机和收音机。后来在某个场合,我得到机会去换出硬盘驱动器,我发现我很喜欢,这也是我开始的地方:我在康奈尔大学医学院第一次换出硬盘驱动器,这是我的第一个IT工作,基本上是作为兼职现场技术人员。
我喜欢解决问题,即修复事物和分析,这是我最喜欢的部分。所以,当我有机会做这些事情时,我会非常高兴。我在换出第一个硬盘驱动器时心想,“这很容易做,而且很有趣。”再后来我发现这并不是那么容易,但从个人角度来看,这总是充满挑战,并且很有意思。
最后一个问题:你最喜欢的三部电影?
Altieri:对于这个问题,我的第一反应是《银翼杀手》、《异形》和《普罗米修斯》,这些都是科幻电影,也是我最喜欢的风格。这三部电影的共同点是导演都是Ridley Scott。对于科幻电影,我不知道还有没有更好的导演,哦,也许还有Stanley Kubrick。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。