7月15日,国家“一带一路”标志性工程京新高速临白段正式建成通车,这标志着世界上穿越沙漠最长的高速公路——“京新高速(G7)“全线贯通。作为京新高速公路监控、收费等多个业务系统的基础网络解决方案提供商,锐捷网络克服异常恶劣的施工环境,凭借高品质高可靠性的工业级交换机和超强性能的多业务交换机等明星产品,确保信息之路畅通无阻,让各项业务应用穿越千里荒漠。
图:千里荒漠遭遇建网难题
500公里无人荒漠的建网难题
在京新高速新通车的三个路段,大多位于戈壁、荒漠等自然条件恶劣区域,其中内蒙古境内更有近500公里路段基本属于无人区,是继青藏铁路后又一具有典型艰苦地域特点的代表性工程。
与此同时,项目建设的机电工程是路段通车极其重要的组成部分。在机电工程配套的监控系统建设中,既要对监控中心的网络、监控系统进行扩容和升级,满足道路接入后的应用需求,同时还要部署监控外场设备,这对于网络通信质量和交换机等基础通信设备的室外适应能力,以及网络稳定性提出了极高要求。此外,在收费系统建设中,需要对全段实现联网收费,基础网络要负责将路段上的全部收费所(站)的收费信息上传,交换机的流量控制功能要确保此项业务优先运行。
高品质创新产品挑战千里戈壁
针对如此艰苦的施工环境和高质量的网络通信需求,锐捷网络为京新高速公路机电工程建设精心打造了完整的网络解决方案,为监控系统、收费系统等业务提供了稳定可靠的应用保障。
首先,针对包括巴丹吉林、腾格里、乌兰布、三大沙漠和无人区在内的930公里严酷环境,锐捷网络通过在收费站、道路沿线、隧道内部署工业级以太网交换机,全面适应风沙、高温等恶劣环境。与普通商业交换机相比,锐捷的工业级产品在设计和元器件的选用上更为苛刻,采用了国际大厂主流成熟工业级芯片、高性能工业级CPU、工业级电源模块和铝合金外壳,确保产品的工业级品质。同时,产品还采用无风扇的电路设计,让设备即使在-40—85℃、风沙肆虐的恶劣环境下也能正常工作。
图:锐捷视频优化技术确保监控业务可靠运行
其次,通过工业交换机组成ERPS环网,锐捷将京新高速各路段、桥梁、隧道等处的监控摄像头接入到监控中心,ERPS环网能够在网络中断后的20ms内迅速切换网络链路,恢复业务数据流通。同时,锐捷的工业交换机、接入交换机、汇聚交换机等网络设备均支持组播、流量整形和视频缓存等功能,满足了视频监控业务特殊应用网络需求,优化视频流量,确保视频监控信息流畅不卡顿。
图:锐捷交换机全面部署QoS,确保收费业务优先运行
最后,通过各收费站、收费广场等场所到收费分中心网络的互联互通,以及将所有交换机全面部署QoS网络带宽保障功能,使收费系统的业务数据以最高的优先级传输,充分保障收费业务安全畅通无阻塞,时时保护收费生命线,确保高速公司的切身利益。
锐捷智慧交通“深入场景” 勇创第一
京新高速让海上丝绸之路与陆上丝绸之路无缝对接,成为“一带一路”发展战略中新亚欧大陆桥的重要组成部分。
重任在肩,不敢有一丝懈怠。在整个建网的过程中,以及在最后通车测试阶段,锐捷网络的工程师真正践行了“深入场景、走向戈壁”的服务意识,其快速响应和实施质量都得到现场项目建设人员的一致肯定。相关领导表示:“在这么偏远和艰苦的条件能够及时到达现场并调试完成设备,锐捷的工程师值得信赖!”
从全球第一的高铁、高速公路网络,到正在建设的世界第一大机场和城市地铁系统,中国的交通行业正经历着翻天覆地的变化。与此同时,锐捷网络的创新产品及解决方案也已广泛应用于我国公路、铁路、水路、机场、地铁、公交等不同的场景,在“智慧交通”产业为人们的智能出行创造更多的第一。
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。