南京大学作为国家教育部直属重点综合性大学,是国家“985工程”和“211工程”重点建设的高校,其信息化建设一直走在全国高校前列。随着在线教育、掌上微课、手机图书馆等新型教学模式和高校校园网络应用的深入,以及笔记本电脑、手机等无线终端的普及,师生们越来越要求方便、快捷、移动的无线校园网络接入。
南京大学与时俱进,计划实施全方位高质量的无线网络建设,涉及办公室、教室、图书馆等共5000多个房间,网络建设规模庞大。此外,南京大学校园建筑古风古韵,这让其在选择无线网络部署方案时小心翼翼,一方面要求房间内高质量信号覆盖,保证无线网络接入性能,另一方面不能破坏现有建筑的结构。这些都对无线网络的部署提出了非常大的挑战。
华为综合考虑南京大学无线建设的需求,对于在宿舍、办公室(筒子楼结构)等密集房间场景下,因地制宜,使用敏捷分布式Wi-Fi覆盖方案,将传统的AP创新性地分解为中心AP和RU(远端单元)两个独立的部分。
部署方便,无需重新布线,RU灵活入室,信号全覆盖
中心AP与RU之间利用现有的以太网布线,并提供PoE供电,部署极为方便,不需要穿墙打孔,不会破坏原有建筑结构,降低了施工复杂度和成本,施工周期也大大缩短。RU可以通过面板、挂墙、吸顶等不同方式直接在办公室内安装,保证了信号无损耗的覆盖到每个房间。经测试,AP所在房间信号覆盖强度效果都很好。
极简管理,减少95%逻辑节点
中心AP负责对RU的管理,默认管理24个RU,可通过交换机扩展到48个RU。RU即插即用,不占用license,AC只负责管理中心AP节点,与传统架构(管理每个AP)相比,需管理的AP节点数量减少高达95%(1/24=4.17%,本次网络节点由4750个减少到198个),管理简单,极大地减少了南京大学需要管理的节点数量,大大降低了管理成本。
双重备份,保证南大校园业务永续
为保证网络可靠性,华为采用敏捷交换机S12708+AC插卡的方式作为无线AC,同时无线AC板卡全部采用双机热备,无线教学业务信息能实时备份,即使某整机发生故障,数据自动切换到备设备上,保证了教学业务不中断,极大提高了可靠性。同时华为AP支持业务智能续航模式,若遇到链路或者AC故障,AP可进入半自治状态,继续对教学终端业务数据进行智能转发,保证教学应用不间断运行,保障教学体验,在故障恢复后,可自动恢复AC托管模式,保障网络稳定可靠的运营。
华为为南京大学提供的敏捷分布式Wi-Fi方案,满足了南京大学对于新一代无线校园网稳定、可靠、创新等方面的需求。无线校园建设的开展,加快了南京大学的信息化建设步伐,南京大学师生可以随时随地接入校园无线网络,进行在线考试、网络课堂、网上作业等无线教学活动,便利和丰富了学生的学习及课余生活。
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。