ZD至顶网网络频道 11月09日 编译: 在传统印象当中,人们似乎很难将Facebook视为一家基础设施厂商——而更多将其认定为一家图片共享与新闻消息发布平台供应商。然而,这位网络巨头已经迅速成为电信设计领域的核心领导者之一,这一点在该公司的最新发布内容中亦得到充分体现。
其公布的Backpack是一套第二代模块化开放交换机平台,其设计目标专门用于提供40到100 Gbps数据传输通量。为了实现这样的性能指标,Facebook方面必须重新设计第一代设备,从而直接在底盘架构中容纳100 GE ASIC芯片以及光纤连接,同时纳入更多其它隐藏性改进。
“我们正在努力构建一套端到端基础设施,其应能够传输规模更为可观的数据,同时提供更出色的在线体验,”Facebook公司工程技术与基础设施负责人Jay Parikh在本届Structure 2016大会现场接受采访时表示。
该交换机当中使用的软件为Facebook公司自家的FBOSS与OpenBMC网络堆栈以及基板管理方案,其属于开源软件,因此网络管理者们能够对其功能进行调整。该交换机背后的设计与软件方案都已经被提交至开放计算项目(Open Compute Project),且预计将很快得到批准。
与此同时,Facebook方面还将把这些交换机引入自家数据中心之内。Parikh指出,在被引入且同该公司类似的电信基础设施项目(Telecom Infra Project)作为通信设备协同运作后,这一开放计算项目硬件将为增强与虚拟现实的未来应用提供强大支持——而这二者也正是Facebook公司当前的关键性推进方向。
增强现实,特别是虚拟现实技术,需要占用海量数据资源。如果不能为这些庞大的软件块提供充实的处理资源与路由能力,那么此类平台永远无法真正实现。因此Facebook公司目前正全力保证自身网络套件能够处理相关流量负载。
Parikh同时指出,Facebook公司早已决定对自身技术进行开源或者发布免版税许可,这是为了更快将成果与大众分享,并由他人对其中以改进。Facebook公司无意转型为电信厂商,他表示,但同样乐于看到其它厂商利用其现有技术成果实现更理想的数据馈送速度。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。