至顶网网络频道 03月15日 编译:Nutanix公司本周向分析师展示了名为FLOW的软件定义网络产品,且毫不避讳地表达了其进军VMware业务领域的意向。而FLOW产品显然也将成为NSX的替代性解决方案。
NSX是VMware公司的软件定义网络与安全平台,其底层技术源自2012年收购的Nicira公司。其最新迭代配合Pivotal Container Service,旨在满足网络服务提出的容器需求。
VMware公司凭借着NSX产品每年获得超过10亿美元营收,VMware高管们曾在本月早些时候指出,其年营收已经达到14亿美元之多。VMware方面相信,网络虚拟化的未来市场规模将超越服务器虚拟化。
而Nutanix公司的FLOW主要用于网络管理/微拆分,并将与收购自Netsil的容器映射技术相结合。Nutanix公司首席产品与开发官Sunil Potti向分析师表示,FLOW将专注于为管理与配置堆栈提供网络及安全支持。
Potti解释称,Netsil的软件并非侵入式软件定义网络,其可通过内置的机器学习元素介入至网络流量当中,并可部署在任意虚拟机、容器或公有云当中。
他将FLOW视为Nutanix产品组合战略的一种自然延伸,具体包括网络可视化、自动网络配置、网络服务接入与链接,以及本地微拆分功能。
William Blair公司分析师Jason Ader确认称,Netsil的容器应用网络拓扑图将被整合至FLOW当中。并解释称,“Netsil将负责映射客户网络,并帮助Nutanix客户发现及阻断网络当中的各类恶意活动。”
此外,FLOW还可能与F5等负载均衡器,以及Arista和博科等机架式交换机相集成。分析师了解到,FLOW的部署与运行要比VMware的NSX更便宜,部署与操作方式也更为便捷。
好文章,需要你的鼓励
这项研究探索了语言神经元视角下多语言对齐如何增强大语言模型(LLMs)的多语言能力。研究团队提出了一种更精细的神经元识别算法,将激活神经元分为语言特定、语言相关和语言无关三类,克服了现有方法的局限性。基于这种分类,研究将LLMs多语言处理过程划分为四个阶段:多语言理解、共享语义空间推理、多语言输出空间转换和词汇空间输出。通过分析对齐前后不同类型神经元的变化,发现多语言对齐促进了更多语言相关神经元的共享使用,减少了对语言特定神经元的依赖,这也解释了"自发多语言对齐"现象。
这项由弗吉尼亚大学与Adobe研究院合作的研究突破了传统图像到视频生成的空间限制,提出了"Frame In-N-Out"技术,使物体可以自然地离开画面或新物体能够进入画面。研究团队创建了专门的数据集和评估方法,并设计了一种融合运动控制、身份参考和无边界画布的扩散变换器架构。实验结果表明,该方法在生成质量和控制精度上显著优于现有技术,为电影制作和创意内容创作提供了新可能。
浙江大学研究团队开发了首个评估视觉语言模型多视角空间定位能力的综合基准ViewSpatial-Bench,并揭示了现有模型在视角转换理解上的严重缺陷。通过自动化3D标注流水线构建的大规模数据集,他们训练出的多视角空间模型(MVSM)实现了46.24%的性能提升,为人机空间交互提供了新的解决方案,使AI系统能更好地理解人类视角下的空间关系,促进更直观的人机交流。
ByteDance团队提出的DetailFlow是一种创新的图像生成方法,通过"下一细节预测"策略实现从粗到细的自回归生成。它将图像编码为仅需128个令牌的1D序列,比传统方法少5倍,却实现了更高质量(2.96 gFID)和更快速度(提速约8倍)。该方法巧妙地模拟人类创作过程:先勾勒整体结构,再逐步添加细节,并通过自我纠错机制解决并行推理中的错误累积问题,为高分辨率图像生成提供了高效解决方案。