至顶网网络频道 07月12日 综合消息:中国电信云南分公司近日牵头举办了 “2017云南无线校园网络研讨会暨合作签约仪式”,联合小橘科技等网络服务合作伙伴,深入云南省的多所中高职院校开展网络设施搭建及运营的服务。全球领先的网络解决方案提供者Aruba,作为该项目的网络设施合作方,未来将担负为这些院校建设升级校园无线网络装置的重任,共促云南省“智慧校园”和教育信息化建设。
当日,中国电信云南分公司副总经理曹春江、中国电信云南分公司政企事业部校园总监李红美、寺库集团的领导以及入围公司代表共同出席了签约仪式。云南省中高职院校相关领导及云南省各市州中国电信相关领导、业界专家等也出席了研讨会并发表重要讲话。与此同时,来自南京医科大学等国内高校的IT负责人受邀分享了在无线校园建设方面的成功实践,与Aruba共同见证了云南教育信息化发展历程中的这一重要时刻。
签约仪式现场
现代教育的发展离不开网络基础设施的支持,且网络的信息化与学校教学改革、科研协作、文化积淀,以及高校管理都密不可分。据现场的中国电信云南公司副总经理曹春江介绍,此次合作双方采用了创新的‘WiFi as a service’的模式,通过第三方专业服务机构的引入,实现了从方案设计、设备采购与部署,到后期运维的“一站式”服务。此举将较好地解决高校网络设施前期投入大、后续运维与管理难等问题,提升高校网络设施的软硬件水平,同时减少成本投入,并改善服务与使用体验,进而进一步缩小信息化的“数字鸿沟”,推动云南省智慧校园建设迈上新台阶。
据悉,Aruba无线专家团队目前已进入签约校园内展开实地调查,根据其无线网络部署的需求及难点定制相应的解决方案。设备升级将利用暑期时间进行施工,力争在新学期开始前完工,以保证师生在开学后即可使用焕然一新的校园WiFi无线网络。
作为全球领先的网络问题解决商,Aruba的无线技术及硬件具有强大的技术能力,满足用户对网络稳定性、安全性和高扩展性的需求。Aruba AP系列的自适应射频管理(ARM 3.0)支持高密度场景下的网络铺设,在高信号覆盖的同时能到做AP间的干扰最小。同时,ARM 3.0采用最新的专利技术ClientMatch可以优化粘连终端,使信道或频谱的负载均衡,以达到无线服务的稳定性。
在安全问题上,Aruba在无线控制器上集成了经过ICSA(国际计算机安全联盟)认证的基于角色的状态检测防火墙。所有防火墙都部署到接入层,相当于从源头上掐断病毒传播。此外,Aruba拥有业界最开放的无线架构,其无线控制器AC、网络管理系统Airwave、接入管理系统ClearPass皆提供了丰富的API接口,可用于大数据采集和第三方应用系统集成。这些设备收集的第三方数据可帮助校方进行学生行为捕捉与分析,更合理的安排学校资源。
南京医科大学网络与信息中心负责人潘小星分享了该校与Aruba合作共建无线校园的成功实践。他表示:“我校采用Aruba的无线产品系列实现了全覆盖、智能化和可视化的管理,不仅满足师生随时随地上网的需求,更可以实现对现有网络的统一管理,充分发挥无线网络使用简单、方便快捷等特点,很好的促进了校园移动教学和移动学习。”另据了解,Aruba目前已与北京邮电大学、中国政法大学、上海交通大学、厦门大学等多所国内高校保持着长期坚固的合作关系,在教育领域形成大量的成功案例。
南京医科大学网络与信息中心负责人分享了使用Aruba解决方案的成功实践
在签约仪式现场,Aruba 中国区技术销售总监俞世丹先生表示: “很荣幸作为无线设施供应商加入到云南教育信息化建设的事业中来。Aruba将充分发挥在软硬件方面的资源优势以及在高校信息化建设领域的丰富实践经验,为签约高校提供优质的网络技术服务,携手合作伙伴打造智慧校园的新标杆。”
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。