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
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。