客户背景
北京市大兴区经济和信息化委员会,简称经信委,为工业和信息化部在北京市大兴政府的对应职能机构。
“十二五”时期,大兴区经信委构建了统筹集约的信息基础设施,初步形成“智慧新区”发展框架;政务管理方面,建成了政务办公云平台、行政电子监察平台等,有效推动了政务办公高效化、行政履职廉洁化。
“十三五“时期,大兴区经信委将全面推动智慧新区升级,推动产业转型升级;公共基础设施建设方面,将实现大兴区所有行政服务中心的无线网络全覆盖,提供更健全的便民惠民服务。
业务挑战
本次无线主要需覆盖部分行政服务中心和办公区,无线点位分散;传统方案需部署多台无线控制器,一是增加成本,二是增加管理节点;办公区房间密度大,墙体结构复杂,实测每个房间的信号强度难度较大,且传统方案在走廊部署多台无线接入点,也会影响房间内的无线体验,难以满足北京市大兴区经济和信息化委员会的需求。
根据北京市大兴区经济和信息化委员会的需求,华为提供了融合、敏捷的无线覆盖方案,简化管理,提高无线质量。
1、有线、无线深度融合
本次方案选用的具有华为自研芯片全可编程架构的核心设备,可提供丰富的敏捷特性,具备无线AC功能实现有线无线深度融合;在敏捷交换机上融合AC功能后,北京市大兴区经济和信息化委员会不需要单独购买AC设备或者插卡,既节省了投资又减少了故障点,有线和无线也可以统一在敏捷交换机进行管理、认证和策略控制,实现了真正的有线无线深度融合。
2、敏分无线,提升用户体验
敏分无线方案能够实现在大兴区经信委每个办公室部署一个远端单元的无线接入点,由网线互联的中心无线接入点统一管理,每台中心AP可同时连接24或48个无线接入点,无线覆盖整个楼层的房间;敏分无线方案实际信号效果好,有效避免穿墙等因素的影响,同时每间房独立享用单个AP千兆带宽,让北京市大兴区经济和信息化委员会的体验达到有线接入一般的高速效果。
敏分方案特性
· 简易管理
远端接入单元不占用AC License,只需管理少量中心AP,近万个房间只需要200个AP的管理开销。
· 灵活部署,覆盖无死角
中心AP和远端接入单元之间,通过网线入室部署,无穿墙衰减与馈线损耗,信号覆盖更优。远端接入单元支持面板、挂墙和吸顶等安装方式。
· 超远距离覆盖
相比传统的分布式AP馈线只能拉远15米,中心AP和远端接入单元之间网线连接距离可达100米,数倍放大网络部署的范围,并且中心AP支持部署在走廊,可提供超过100米的超远距离覆盖。
· 支持断链业务保持
如果中心AP和AC的通信中断,中心AP和远端接入单元也可以继续保持工作状态,使无线接入用户避免受到业务中断的困扰,为北京市大兴区经济和信息化委员会提供了可靠的保障。
· 分层处理技术,无线转发能力更优
革新的分层处理技术,中心AP集中管理远端接入单元,并行转发业务流量,远端接入单元仅处理无线信号,分层的设计使组网结构更加清晰,中心AP和远端接入单元独立处理的模块减少,效率提升,优化了整体的无线转发性能。
3、网规工具,真实模拟业务场景
WLAN规划工具是华为自主研发的无线规划软件,固化了华为在无线射频领域的多年经验,依托强大的规划引擎,在明确大兴政务基本信息和北京市大兴区经济和信息化委员会需求后,通过WLAN规划工具模拟北京市大兴区经济和信息化委员会网络,自动布放AP设备,模拟信号覆盖情况,输出规划报告,提升了北京市大兴区经济和信息化委员会的投资信心,保障了最终的建网质量。
客户收益
从微观角度看,大兴政务的智慧无线方案简化了运维管理、提升了无线体验、节约投入成本50%以上;从宏观角度看,为大兴政务提供了国际先进的信息基础设施,按照国际一流标准,实现大兴政务的信息基础设施服务能力全面升级,提升信息化发展支撑能力,使得大兴区信息化发展水平达到全国前列。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。