ZD至顶网网络频道 01月25日 国际消息: 作为全球速度最快的每秒6.5 Tb以太网交换机芯片TofinoTM的缔造者,Barefoot Networks公司出席了于本月24日召开的开放计算项目(简称OCP)Disaggregate: Networking大会。Barefoot Networks公司联合创始人兼首席科学家Nick McKeown在会上探讨了为何有必要实现转发平台的可编程能力、相关新规范以及将在网络领域实现的新型用例。另外,Barefoot Networks公司还展示了其Wedge 100B系列交换机——包括传输速率达每秒3.2 Tb的1RU 32 x 100GE交换机Wedge 100BF-32X与传输速率达每秒6.5 Tb的2RU 65 x 100GE交换机Wedge 100BF-65X。这些交换机产品将内置有Barefoot Networks公司的Tofino技术,其不仅能够为OCP生态系统用户带来更出色的以太网交换机性能表现,同时亦将提供一条更具可编程性的使用管道。
这些Wedge 100B系列交换机支持FBOSS、SONiC以及多种其它交换机操作系统,且可通过OCP的交换机抽象层(简称SAI)API、switchAPI(属于一款扩展性开放API)或者由用户设计之API进行控制。默认运行于Tofino之上的“switch.p4”程序能够将Wedge 100B系列交换机转化为一台架顶式交换机,且提供全部与数据中心规范要求相符的标准功能。用户可以根据选择向其中添加或者移除部分功能、添加新协议、变更表大小、提供更出色的可访问性并折叠包括四层负载均衡在内的各类中间代理功能。Wedge 100B平台还引入了多项增强要素,其中包括提供经过优化的电源供应单元、更低成本的PCB设计、经过改进的制造设计以及更强大的CPU模块等等。这些交换机产品运行一款经过更新的OpenBMC版本。
OCP的Disaggregate: Networking大会由Facebook公司主办,选址于加利福尼亚州门洛帕克。此项会议主要面向对于开放及拆分网络解决方案抱有兴趣的工程师群体,旨在挖掘以拆分化方式更为高效、灵活且可扩展地创建硬件与软件这一重要机遇。
“开放计算网络项目对于Barefoot Networks与整个技术社区共享其两套Wedge 100B硬件设计方案的作法感到振奋,”OCP网络项目联度负责人Omar Baldonado表示。“我们期待着这些Wedge 100B设计方案能够带来更多创新性成果,也期待着其可编程交换机芯片能够为行业带来更多灵活性助力。”
“Barefoot Networks很高兴能够将其基于Tofino技术的Wedge 100B交换机设计方案与整个开放计算项目社区进行共享,”Barefoot Networks公司联合创始人兼CEO Martin Izzard指出。“利用Wedge 100B平台,OCP生态系统、网络拥有者以及架构师们能够以前所未有的方式充分把握全面分解的网络堆栈、深入转发层并借此构建起更适合自身需求的网络体系。”
作为公布于2016年6月的方案,Barefoot Networks公司的Tofino以太网交换机ASIC与Capilano软件开发环境(简称SDE)通过开放转发层消除了实现全面网络可编程能力的最后一项障碍,允许使用者对网络之上的可靠数据包传输进行细粒度控制。其首款Tofino芯片于2016年第四季度交付至客户手中,而该公司亦不断吸引到更多行业领导者加入其网络合作伙伴阵营。
上市时间
Barefoot公司的Tofino芯片已经于2016年第四季度开始发布样品。Wedge 100BF-32X与Wedge 100BF-65X系统目前已经允许用户通过Edgecore Networks进行订购。
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。