ZD至顶网网络频道 03月10日 综合消息:3月9日下午,全球IPv6论坛媒体见面会暨IPv6 World Leader 2017颁奖仪式在北京粤财JW万豪酒店隆重举行。清华大学教授李星、国家电网信通部主任王继业、中国电信北京研究院IPv6首席专家解冲锋获由全球IPv6论坛颁发的IPv6 World Leader 2017(2017全球IPv6世界领袖奖),以表彰和感谢三位在IPv6技术和应用领域的不断尝试、在CNGI项目中做出的突出贡献、以及在IPv6发展和推广过程中作为行业典范发挥的重要作用。
全球IPv6论坛(IPv6 Forum)是1999年7月17日在欧洲发起成立的国际技术和产业联盟,致力于在全球范围内推动IPv6发展,联合运营商与企业推动商业化进程,建立安全、高效的下一代互联网,是IPv6业界影响力最大、范围最广的非营利性国际组织。"IPv6 World Leader"奖原名“IPv6互联网先锋”奖,历届获奖人物均为互联网行业最具影响力、为IPv6发展做出里程碑式贡献的个人,受到全球IPv6领域和行业的尊敬与认可。获奖者包括美国Comcast首席架构师Brzozowski、WIDE主席Esaki教授、英国Sky首席架构师Dickinson、中国工程院邬贺铨院士和吴建平院士等。
清华大学李星教授获奖
清华大学李星教授作为主要技术负责人,主持建立了中国第一个IPv6试验网络CERNET-6BONE,在此基础上正式开通了中国下一代互联网示范工程CNGI-CERNET2。在李星教授的带领下,其研究团队发明的IPv4和IPv6互联互通的无状态翻译技术IVI,已经获得了国际互联网标准化组织IETF的9个RFC,成为下一代互联网最主要的过渡技术之一,为下一代互联网在中国以至全球的发展与普及,起到了促进作用。
国家电网信通部主任王继业先生获奖
国家电网信通部主任王继业先生多年来一直倡导和推动IPv6下一代互联网技术在国家电网中的应用实践工作。国家电网公司承建了“下一代互联网技术在智能电网应用关键技术研究和示范工程”,在相关IPv6地址编码,IPv6信息安全,IPv6与SDN融合等方面达到国际领先水平。与此同时,IPv6实验网络在国家电网天津等六省市展开了试运行,推进了IPv6在智能电网中的部署和应用。
中国电信解冲锋博士获奖
中国电信解冲锋博士领导的研发团队,从2001年就开始了在运营商网络中引入IPv6的关键技术和演进路线的研究工作,提出了包括LAFT6过渡技术在内的多项技术创新。积极参加IETF的标准化工作,目前已有6项以上的RFC成果。解冲锋博士支撑中国电信参与我国CNGI示范网络的建设和实验工作,并负责中国电信CNGI主干网的维护,共支撑了8项以上的CNGI应用示范、863、国家重大专项等大型项目的验证、测试和应用示范工作。2009年起,解冲锋博士的项目团队积极推动IPv6在中国电信商用网中的规模化引入工作,提出了以IPv6为核心的网络演进路线,并在湖南和江苏等地进行了深入的商用试点。
正如全球IPv6论坛主席Latif Ladid在活动中强调的,IPv6的全球部署已经全面展开并在近年内取得了巨大增长。李星教授、王继业主任及解冲锋博士在全球IPv6的核心标准制定、测试验证和商用部署方面的成果令人敬佩,其在中国教育网、国家电网及运营商中的IPv6部署与实践也处在世界领先地位。自全球下一代互联网行业发展以来,中国拥有全球最多的互联网用户,对世界的影响力越发强大,在中国政府的支持及产业各界的共同努力下,IPv6的全球商业部署必将获得新的进展。
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。