Riverbed科技公司日前宣布推出最新版Riverbed SteelCentral,为用户提供市场上最完整、集成的数字体验管理解决方案。随着众多企业持续加大对数字业务的投资,对用户体验的评估和质量控制能力也在面临挑战。现在,Riverbed SteelCentral可以帮助客户评估数字体验的方方面面,并排除故障,其范围覆盖用户设备体验、后端网络、基础设施、云和应用。
根据研究机构EMA最新发布的一份报告称,59%的企业领导认为IT和业务部门分担了数字体验管理的责任。Gartner的研究则表明:只有不到5%的全球企业将数字体验监测作为一项战略付诸实施。最新更新的Riverbed SteelCentral为管理终端用户的数字体验提供了集成化、聚焦业务和以用户为中心的解决方案。与此同时,它为完整的终端用户服务提供了新的集成监测与分析,覆盖用户设备的业务活动、整个网络、应用服务器及应用代码,为确保可靠和高质量的终端用户体验提供快速有效的解决方案。
最新版SteelCentral:
Riverbed SteelCentral高级副总裁兼SteelCentral业务部总经理Mike Sargent表示“我们的客户正在对数字业务转型计划进行高额战略性投资,以此提升客户亲和力和员工/合作伙伴的生产力。对他们的成功而言,获得一种完美的数字体验相当重要。随着云和移动技术的普及,他们发现传统工具无法从整体上评估和管理用户的数字体验效果。现在,SteelCentral能够为市场提供最全面、模块化且集成化的数字体验管理解决方案。帮助企业获得可靠、始终如一的高品质终端用户体验。就广度和深度而言,SteelCentral可下探至个人交易层。我们正将可视化带入一个全新层面,帮助客户实现其战略目标。”
SteelCentral强化终端用户性能监测,实现数字体验的集成可视化
SteelCentral Portal、SteelCentral Aternity和SteelCentral AppInternals的融合是最新版本的亮点。这意味着SteelCentral用户现在可以将能够为IT和企业管理人员提供基于设备的终端用户体验视图与展现IT性能及其对终端用户影响的单一管理平台视图相结合。此外,SteelCentral Aternity与AppInternals之间的集成工作流程为整个终端用户服务提供了一个集成监测系统,使得IT部门能够跨设备和应用为业务关键型应用快速排除故障。 这将为包括终端用户服务、应用程序开发和运营以及IT和业务管理人员在内的各种从事数字体验管理工作的团队提供一站式服务。
SteelCentral降低云上云下的应用迁移风险
随着众多企业不断将应用迁移至云端,了解该迁移对应用和网络性能的影响正在变得越来越具有挑战性。云性能,特别是与网络相关的性能,对大多数企业而言都是常见的盲点。本次发布的SteelCentral版本引入了应用迁移规划与预测,使得网络规划和架构团队能够在应用迁移之前模拟并预测流量行为及其对网络的影响——从数据中心到数据中心、从数据中心到云,以及云供应商之间。因此,在规划应用的云迁移时,企业能够利用的是数据而非凭直觉。
SteelCentral帮助企业管理整个应用生命周期的成果
随着各级组织机构采用开发运维、开发和质保,运营团队正在精简、集成和实现流程自动化,借以提高应用版本的敏捷性和质量。现在,SteelCentral AppInternals帮助IT团队在整个应用生命周期中使用性能信息和诊断信息。利用全新的RESTAPI,开发和质保团队可以为其构建工具链添加性能测试,并确保各类版本针对生产进行优化;运营团队可以使用诸如Slack和HipChat之类的流行协作工具的警报功能;支持团队可以自动开启事件管理工具的标签以记录问题、发现根本原因和诊断结果。此外,团队可使用应用程序接口来提取指标,丰富现有报告和工具。
SteelCentral实现集成化网络和基础设施排障
Riverbed此次还推出了NetProfiler与NetIM之间的全新集成,帮助网络管理员了解网络基础设施对网络性能的影响。这一集成是SteelCentral实现跨域协作,打破单点监测方案所产生的沟通障碍的另一个例证。
Baker Donelson公司首席信息官John D. Green表示:“能够追踪终端用户体验只是难题的一部分,尽管它提供了非常有价值的信息,但我更希望在一个管理界面中看到整体性能和体验状况。此次的版本将技术进一步整合到SteelCentral产品线中,为我提供了一个单一管理平台视图。Riverbed与Aternity相结合带来了一套组合工具,当组合成一个单一管理平台时,可以帮助你在全网实现从服务器到线路的全面可视化。”
IDC研究公司企业系统管理软件副总裁Mary Johnston Turner表示:“终端用户体验对诸多数字业务项目的成功至关重要。应用程序性能不佳会影响品牌认知度和客户满意度,许多组织很难理解应用交付链中的所有基础设施、软件和终端用户设备要素对终端用户体验产生的影响。最新版SteelCentral提供了混合设备终端用户体验监测,为客户提供端到端的应用性能视图,覆盖用户设备体验,后端网络及基础设施。这种能力为企业战略以及正在执行数字化转型战略的IT团队带来价值。”
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。