2015年华山医院信息中心遇难题
一天。医院挂号大厅的自助设备悄悄罢工了,挂号处又排起了长龙。信息中心的同事忙得午饭也没顾得上吃,一个一个可能性排查,下午三点了,还是没有头绪。“大概是IP地址冲突了吧。具体是哪几个冲突了,一个个慢慢查吧”经验丰富的葛工摇摇头。
又一天。药房的打印机不工作了,医生的处方打印不出来,药房窗口人满为患,虽然大家都在低头刷手机,但是信息中心的同事还是感到巨大的压力:“肯定是IP地址又冲突了,这么多终端,什么时候能排查完啊,哎!“
数字化医院的建设,已经开始了有几年了。除了原先的台式机以外,各种平板电脑,护士手持PDA,医生手持IPDA、打印机、评价器、各种终端纷纷上线。信息化极大地简化了工作的流程,效率的提升更是不在话下。
但是“IP地址冲突“这个新名词也开始频繁在华山医院信息中心同事口中出现。作为终端联入互联网的”准入证“,医院所采用的静态IP地址管理常会出现“IP地址冲突“问题,一排查就要一天。造成冲突的主要原因一个是网络管理员人工配置错误(这在终端数量多的情况下经常出现),另外一个是终端用户自己私改IP地址。
千帆过尽终遇良策
为了解决IP地址冲突的问题,华山医院也尝试过比较常见的IP地址管理办法。例如:
人工在excel表上记录IP地址,再进行分配。但是终端数量多,人工的记录经常出现误差,信息失真严重,典型的高投入低回报,冲突问题不能解决。。
桌管软件要求终端必须具有windows操作系统,因自助终端、显示屏等终端无法使用此软件,IP地址管理不全面,冲突问题继续发生。
IP管理软件记录了全网IP使用情况,但还是需要人工分配和配置,容易出错还麻烦。另外无法禁止医生护士私设IP。
2016年,一个偶然的机会,华山医院了解到锐捷新出了一款网络核心服务器RG-DDI,该产品集合DNS和DHCP功能,最重要的是IP地址管理功能,能把各类IP地址智能管理起来,是名副其实的“IP管理司令“。
RG-DDI怎么管IP地址?
首先,该平台可以对全网的IP进行监控,使用状况一目了然。如下图:
白色空格代表是空闲IP地址,可以被使用。浅蓝色代表是静态配置的IP,深蓝色代表动态分配且固定的IP。如果出现IP冲突,地址框会变成红色,根据冲突IP的具体接入位置信息,管理员可以及时发现并解决问题。
其次,新的终端入网在地址管理平台上能够自动发现:
新终端的MAC地址、主机名、终端类型、所接入的交换机端口等信息都可以呈现出来。管理员只需要点击授权按钮,选择绑定类型(IP+MAC/IP+MAC+接入设备等7种绑定类型),单击IP框之后系统自动推荐可用IP。简单一步就可以实现终端的IP分配和准入控制功能。取代了以前由人工静态配置IP、在交换机上做绑定的工作。
综上,RG-DDI通过自动化的地址分配取代人工操作减少误差,并配合接入交换机禁止终端用户私设IP地址,从根本上解决了IP地址冲突产生的问题。同时,DDI的部署直接旁挂在核心交换机上,不会对现有的网络结构造成影响。
2016年,科技创新带来业务规范
“应用DDI需要把原有的静态IP地址都换成动态的IP地址,其实这一部分工作量不小,一开始我们也是犹豫过的,但是IP地址冲突的问题老是解决不了也不行。另外一方面,静态IP地址早就满足不了业务的需求,转化成动态IP地址也是早晚的事,那就改吧!”华山医院信息中心的戴老师坦言”以前我们的终端只有1000多台,且大多是台式机,笔记本也少管理方式比较简单不成体系。现在有3000多台终端,各种各样都有,应用DDI以后,我们把这所有的终端都被管理和记录起来了,而且机器智能分配它们的IP地址,使用状况一目了然,我们的IT管理系统化、规范化了。也算是一个意外收获啊!最重要的是IP地址不冲突,业务不再突然中断了,各个环节都能正常运行,患者在我们医院就医更方便了。“
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。