Brocade旗下优科公司日前宣布在由Divergent Dynamics验证的一系列压力测试中,优科再次超越四家主要Wi-Fi竞争对手。该测试使用中端802.11ac接入点,测试了每个接入点同时向60个客户端设备传输视频和数据的能力。结果表明,Ruckus R610接入点是唯一一款在网络加载数据流量时,还能同时保持将无延迟视频传输至每个客户端的测试产品。
Divergent Dynamics创始人兼首席执行官Devin Akin表示:“这次测试是在真实、高客户端密度的环境中进行的,并且采纳了行业最佳实践和各制造商的建议。在这种环境下,Ruckus的接入点产品交付了一致稳定的无延迟视频,超越了来自其他四家厂商的五个接入点产品,其中包括两个拥有更高性能规格的接入点产品。R610是唯一一款符合真实环境相关测试目标的接入点产品,令人印象深刻。”
企业视频
全球大部分IP流量来自视频内容,并且在企业和移动设备端迅速增长。根据最新的思科视觉网络指数,2016至2021年间全球IP视频流量将增长三倍,年复合增长率为26%。随着企业市场更多地采用先进的视频通信应用,也促进了2016至2021年间商业IP流量的增长。
关于本次测试
本次测试旨在有和没有数据客户端(Mac Mini)额外网络加载的情况下,确认每个接入点向客户端设备(Chrome笔记本电脑)传输无延迟视频流的能力。共进行了两次测试,一次有30个视频客户端和30个数据客户端,另一次有60个视频客户端和2个数据客户端。每个受测试的接入点被放置在房间的位置,均可以让其能够覆盖同一房间的视频客户端和相邻房间的视频和数据客户端。
测试结果
在有30个视频客户端的测试中,Ruckus R610是唯一一款在数据客户端大量网络加载情况下,还能将无延迟视频传输至全部30个视频客户端的接入点产品。在有60个视频客户端的测试中,Ruckus R610是唯一一款无论有没有网络加载,都能将无延迟视频传输至全部60个视频客户端的接入点产品。
商业影响
IT部门更多的职责是在无线局域网(WLAN)上提供更高质量的服务,而不是在基础设施上过度采购。在某些细分市场(例如教育),持续交付无延迟视频是组织正常运行的必要条件。IT部门也可以通过减少收到用户的求助次数来节省时间,从而为他们的用户提供更好的视频体验。IT部门可以为每两个房间安装一个接入点产品,而不用每个房间都装一个,从而降低接入点基础设施以及相关的许可证、电缆布线和功耗等成本。
Ruckus无线产品副总裁Greg Beach表示:“Ruckus致力于为每位用户提供最高质量的体验,无论流量类型。视频在每个无线网络环境中变得越来越普遍,与大多数类型的数据流量相反,终端用户能够立刻察觉到糟糕的视频传输。Divergent Dynamics的报告进一步证明了Ruckus独特的能力,即使在最具挑战性的情况下,也能确保良好的终端用户Wi-Fi体验,而无需过度采购。”
好文章,需要你的鼓励
NOVER是一种创新的无验证器强化学习框架,解决了传统激励训练依赖外部验证器的限制。由伦敦国王学院研究团队开发,它通过计算"推理困惑度"作为奖励代理,使语言模型能在任何文本任务中自主发展推理能力。实验表明,NOVER在一般推理、创意写作、社会智能和多语言能力等多种任务上均优于基线方法,甚至使3B模型接近从671B模型蒸馏版本的性能。此外,其灵活性还支持"反向激励训练"等创新应用,为语言模型训练开辟了新方向。
韩国中央大学研究团队开发了名为CoPriva的基准测试,评估大语言模型遵守上下文安全策略的能力。研究发现,虽然多数模型能成功拒绝直接违反安全政策的查询,但在面对间接攻击时存在严重漏洞,泄露率平均增加40%以上。即使是推理能力强的模型也未显示出明显优势,且高忠实度的回答往往伴随更多信息泄露。研究团队评估了10种先进模型,发现政策存在与否对防止泄露影响有限,而修订功能仅能部分提升合规性。这揭示了当前AI安全对齐的重大缺陷,强调了开发更强健安全机制的紧迫性。
这项研究分析了混合专家模型(MoE)的"局部路由一致性"特性,即连续词元激活相似专家的程度,这对内存受限设备上的模型部署至关重要。研究者提出了两种测量指标:段路由最佳性能(SRP)和段缓存最佳命中率(SCH),分析了20个不同MoE模型。结果表明,在每层都使用MoE且不含共享专家的模型局部路由一致性最高,领域专业化的专家比词汇专业化的专家对一致性贡献更大。研究还发现,缓存大小为激活专家数量2倍时能取得最佳平衡,为MoE模型设计和部署提供了重要指导。
清华大学研究团队开发的"思维增强型策略优化"(TAPO)通过将外部高级思维模式整合到强化学习中,显著提升了大语言模型的推理能力。这种方法从仅500个样本中抽象出思维模板,在AIME、AMC和Minerva Math等基准测试中分别比传统方法提高了99%、41%和17%的性能,同时增强了模型的可解释性、稳定性和泛化能力,为AI推理研究开辟了新方向。