阳春三月,草长莺飞,华南农业大学(以下简称“华农”)的紫荆花美得甚是醉人。“紫荆校园”已成为华农的一张文化名片。从今年三月开始,在华农的校园内盛开的不仅是紫荆花,还有一朵朵“无线”之花,与全校四万学子共赏。
华南农业大学坐落在素有“花城”美誉的广州市,是广东省和农业部共建的“211工程”大学,在校生4.1万余人。随着教育信息化的迅速发展,无线网络逐渐成为基础承载网络的必要组成部分。然而全校10000多间宿舍的“无线空白”却成为华农校园网中“遗憾”。
为了更好地服务全体师生,在紫荆盛开的时节,华农正式携手锐捷,对87栋宿舍楼、10000多间宿舍进行无线网络建设。
一、超千兆高性能,宿舍无线“极致体验”之花
学生宿舍一向被认为是对无线综合要求最高的场景,面临以下四大挑战:
1、信号覆盖困难,多隔间、墙体厚;2、在线终端数量多,预期高峰并发在线超万台;3、高峰期持续时间最长;4、承载视频、游戏等应用对业务带宽要求最高。
锐捷“智分+”解决方案采用创新的“主机+微AP”多级分布式架构,AP主机部署在弱电间,微AP直接部署在宿舍内,采用标准网线连接。微AP支持壁挂吸顶安装或嵌入86面板,安装灵活方便又美观,仅仅用了3个月时间就完成了所有学生宿舍的综合布线和安装调试。“智分+”为每间宿舍提供独享的2.4G的300Mbps和5G的867Mbps极限速率,轻松应对宿舍多人、多终端、重载、大流量考验。
图:锐捷“智分+”分布式架构
二、扁平组网,无线承载“极简管理”之花
高性能的无线网络,需要超强的有线网络进行承载。校园网在无线网建设之后,网络设备数量大大增加、接入用户爆发性增长,对于网络的运营管理提出了更高的要求。华农结合业内的扁平化浪潮,采用锐捷网络极简运营解决方案,在学校原有5台RG-S8610的基础之上,新增超强的RG-N18010系列交换机作为无线网的核心和无线用户的认证网关,结合RG-SAM+认证计费系统,解决无线网络建设后的ARP/ND表项的激增、无线Web认证响应慢、用户体验不好、高峰期Web服务器崩溃及无线无法上网等一系列问题。
RG-N18010系列交换机不但是无线网的核心,同时可以把所有有线用户的网关上收,并启用集中式的Portal认证,结合web降噪、无感知认证、跨厂商无缝漫游等技术,页面弹出时间为毫秒级别,给全校师生带来超爽的网络使用体验。
三、校园网大数据,“智慧校园”之花
随着网络的建设,华农也将逐步迈入智慧校园时代,校园网大数据平台也进入华农的建设规划中。剧增的网络规模和动态的使用环境对网络运维提出更高的要求,校园网运维部门协同数学与信息学院利用开源软件初步构建了校园网大数据。针对校园网大数据研究多种算法和开发分析工具,主动发现异常上网行为,促进网络运维工作从传统的事件驱动向数据驱动融合发展,力求为教育信息化建设提供更好的基础网络环境。
通过一系列的信息化建设,华南农业大学不仅建设了基础的无线网络、扁平化无线承载网,还建设了校园网大数据平台。学校老师不仅可以流畅地基于无线网络开展教学,还能开展各种基于无线的智慧校园应用开发,使学校信息化水平得到进一步提升。
百年华农,芳华照世。五湖四海一片林的“紫荆校园”与高速、顺畅的无线网络,将华农优美的自然景色和与时俱进的信息化建设融合出交相辉映之美。
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。