ZD至顶网网络频道 11月16日 综合消息: 斯坦福大学研究团队以OpenFlow和VMware的NSX而闻名业界。该团队日前宣布成立初创公司Forward Networks,于周一正式挂牌开张,主打网络建模技术。
Forward Networks公司的工具软件令用户可以获取自己网络的状态,然后建立相应的软件仿真。首席执行官和联合创始人David Erickson表示,"有点像tracroute程序,但无需发送数据包,而且对路径上每个设备的2到4层的细节都进行了仿真。"他认为,能这样做会十分方便,原因是今时今日要预测所有可能的数据包流是很难的。而Forward公司的目标正是要这样做,然后对流量进行分析以确定其是否符合网络策略,如此,在数据包遇到困难时用户就可以采取纠正措施。
另外,仿真还可以利用影响网络变化的因素建模,在网络配置改变或添加新设备时可以更好地预测各种难以预见的情况。用户也可以利用仿真看看购买更多套件时会出现什么情况,比如在持续改进网络时会不会为网络引入一点点DevOps-y。
Forward瞄着业界的大企业:计划是将电信商、金融服务机构和IT服务提供商发展为客户,例如澳大利亚头号电信商就用了Forward的工具包,"以提高关键客户网络的运营效率"。
Erickson告诉记者,"要做到这一点就必须在计算机科学里的一些算法上有突破。"
据了解,Forward的算法历经多年的研究,这些研究起源于McKeown小组。McKeown团队曾主攻新一代网络的各种课题。Erickson曾是McKeown小组成员并得到NSX 之父Martin Casado的指导。Casado现就职于风险资本机构Andreessen Horowitz。Forward得到Andreessen Horowitz的资助。
好文章,需要你的鼓励
企业谈AI基础设施时,注意力往往首先集中在模型、GPU和算力集群上。但当大模型应用走向规模化推理,一个瓶颈开始浮现:算力采购完成,并不意味着Token能够被稳定、低成本、可控地交付出去。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。