至顶网网络频道 04月16日 综合消息: 4月12日,菲律宾最大电信运营商PLDT宣布和全球软件定义网络和服务提供商Zenlayer建立合作关系,到2018年第二季度前为菲律宾市场提供基于软件定义广域网(SD-WAN)技术的产品服务,助力当地企业数字化和全球化进程。
菲律宾被称作新兴互联网经济体,2017年互联网用户数超过6000万,人口渗透率达到58%;手机用户超过1.2亿,平均每个菲律宾人拥有1.26个移动设备;移动社交活跃用户达到5400万,人口渗透率为52%。在兴起的数字经济下,当地企业数字化转型和全球化拓展的需求愈发强烈。此次合作后,PLDT凭借自身本土优势和ZenlayerSD-WAN技术服务结合,可以帮助当地企业跨越地理距离,简单灵活地实现云、企业和用户之间的连接。
PLDT企业核心业务解决方案部门负责人JojoGendrano表示:“与Zenlayer的此次合作是我们面向客户提供动态带宽解决方案的重要一步,该解决方案能帮助企业连接总部、全球其他办事处和数据中心,实现数据同步。未来,随着菲律宾企业业务全球化和云化趋势加剧,全球办事处间和云间的网络连接需求巨大,现在我们将有能力满足这一需求。”
PLDT &Zenlayer,借助本土优势和SD-WAN技术,助力当地企业实现全球业务弹性
PLDT大力推进尖端技术(如SD-WAN技术)为客户提供全面的端到端解决方案,是其2018年创新路径图中的一部分“这种伙伴关系只是我们2018年计划的开始,我们的目标是为客户提供最新的产品和创新,以便他们能够在全球层面获得面向未来业务的能力。现代企业需要具有战略性,敏捷性和适应性,以实现业务弹性,PLDT可以提供必要的工具让企业到达那里。“Gendrano说道。
Zenlayer的创始人兼CEOJoe Zhu补充道“我们很高兴通过与当地通信技术领域的市场领导者PLDT合作,将我们的SD-WAN技术和产品能力扩展到菲律宾,这对我们来说是一个很好的机会。合作后,Zenlayer将深入服务菲律宾企业,当地企业也可以利用Zenlayer全球布局的 SD-WAN网络开拓国际市场。”
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。