近日,中国移动2016年度低端路由器和低端交换机产品集中采购项目招标结果出炉,作为中国数据通信解决方案领导品牌,锐捷网络三个标段全部中标,并获得最大份额。其中在低端三层交换机和二层交换机标段,锐捷网络更以综合排名第一的成绩入围。
中国移动之“集采”,历来都是各大网络设备厂商的必争之地。根据此前官方数据,中国移动2016年低端路由器和低端交换机集采共分为三个标段:低端路由器(37221台)、低端三层交换机(32320台)和二层交换机(86032台)。如此大规模的集中采购,吸引了十余家国内外主流网络通信设备厂商参与。
竞争形势越发激烈,中国移动的集采招标要求也越发严格,技术指标、综合评分、服务能力等考评项目多达数十项,三个标段均只有3家入围。本次集采测试尤为严格,多家主流厂商因为测试问题出局,锐捷网络三个标段全部顺利通过测试,更凭借着优异的测试和后评估成绩一举中标,取得了低端三层交换机和二层交换机标段排名第一(50%份额),低端路由器标段排名第二的佳绩。
从2009年到2016年,锐捷网络是唯一一家在中国移动低端路由器和低端交换机集采中连续3次中标全部标段的一线厂商。同时,锐捷网络是业内唯一一家连续三次入围中国移动WLAN 集采的厂商,累计供货AP 超过40 万台。
截至目前,锐捷网络与中国移动规模合作的省份达到20余个,已成为中国移动的重要合作伙伴。锐捷网络致力于扎根行业、深入场景进行产品及方案的设计与创新,凭借专注于数通领域十余年的行业经验,大力支持运营商拓展政府、金融、教育、医疗、企业等行业ICT市场,提供贴合不同应用场景的优秀网络解决方案。为了更高效地服务客户,锐捷网络还为中国移动专门打造了一批专业的售前、售中和售后服务队伍,不断提升的产品质量和服务水平受到中国移动集团用户和各省市移动用户的一致肯定。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。