至顶网网络频道 03月21日 国际消息: 近日Facebook对外公布了一个名为Fabric Aggregator的分布式网络系统,该系统用于扩展其区域内数据中心结构之间的网络容量。
Fabric Aggregator设计使用了简单和开放的构建模块——例如Wedge 100,Facebook的架顶式网络交换机,以及FBOSS(基于Linux的操作系统),这种设计提供了快速调整容量所需的灵活性。
Facebook在一篇博客文章中解释说,因为要修建第12个数据中心,并且要把原来位于Papillion、Nebraska的两座建筑扩展至六座,所以需要具有一定的灵活性。Facebook的数据中心覆盖范围正在不断扩大,以适应更多沉浸式内容,例如实时视频、360度照片和虚拟现实。
为了提供更高的灵活性和操作简单性,Facebook为Fabric Aggregator开发了一个布线组装单元,该单元模拟底板在经典机箱设备中提供的功能。换句话说,这个单元提供了Fabric Aggregator构建块之间的互连。
Facebook在博客文章解释说:“通过这种方法,我们可以扩展容量,互换构建块,并随着我们的需求变化快速更换电缆组件。”
Facebook设计了四种不同的布线配置,并通过Open Compute Project开放了这种设计。
同时,Fabric Aggregator节点(复制带宽单位以满足聚合层的总体需求)实现了两层交叉连接体系结构。下层负责切换区域传输流量(东/西),而上层负责切换往返这些区域的传输流量(北/南)。
Facebook在博客文章中称:“我们将该解决方案分成两个不同的层,这使得我们在流量需求发生变化时,能够添加更多的子交换机,从而单独扩展东/西和南/北的容量。”
Facebook解释说,这种构建块的方法可以在子交换机或节点级运行,提供了灵活性和安全性。“Fabric Aggregator层可能会同时发生很多故障,而不会影响网络的整体性能。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。