以“化繁为简 洞悉全局”为主题的思科Meraki新品发布会在上海正式召开。思科全球高级副总裁、思科Meraki总经理Todd Nightingale,思科全球副总裁、大中华区首席执行官萧洁云,思科全球副总裁、大中华区首席技术官曹图强,客户、合作伙伴、媒体代表等各界嘉宾出席了本次发布会,共同见证了思科Meraki正式落地中国这一重要的历史性时刻。同时,本次发布会通过全程直播,吸引了近48万人次在线观看和实时参与、一同见证这一激动人心的时刻。
思科Meraki成立于2006年,在全球范围内拥有逾23万客户以及300万台设备。2012年Meraki被思科收购,此后5年内其年收入从收购前的5000万美金增长至超过10亿美金。思科Meraki提供包括无线、交换和路由产品在内的全线解决方案,而所有产品都是通过一个简易、智能、并基于Web的控制面板进行管理。简而言之,思科Meraki强大的网络设备实现简易配置、调试和监控,能够驱动任何规模的企业或机构。
此次思科Meraki在中国正式落地,正是思科实现“基于意图的网络”愿景的重要一步。2018年1月31日,思科发布了其第二轮基于意图的网络创新,推出了涵盖整个网络产品组合的强大保障产品,凭借数学建模和全景洞察领域的重大进展,全面加速思科为全数字化业务重塑网络的重大战略。2018年4月13日,思科Meraki正式落地中国,并同时发布针对中国市场进行本土化定制的软件产品和多款硬件产品,这充分展示了思科构建未来网络的前瞻视野和高效实践,并将进一步推动中国的广大客户和合作伙伴拥抱新一代“基于意图的网络”。
思科Meraki的设备是通过一个图像化的控制面板进行智能、统一的管理。网络管理员可通过思科Meraki控制面板进行日常的网络维护工作。在每一步的产品设计中,思科Meraki技术的核心理念是通过强调高效使用有限的IT资源来实现简单易用、智能高效管理的目的。对于有着高要求的客户而言,传统思科产品的高度可塑性和可定制化产品服务代表着网络技术的白金标准。实际上,客户通常运营着一个多元化的环境,例如客户的总部部署的是思科传统型网络和数据中心技术,而其分支机构则部署着思科 Meraki 技术,但整体上通过思科Meraki技术实现了100%智能集中管理。在思科Meraki解决方案的助力下,全球各大行业客户(尤其是零售、酒店、教育和制造行业)有效减少了运营成本,快速推进了全数字化业务转型。因此,思科Meraki已收获了来自全球客户的广泛好评与认可,这其中包括领先快速时尚服装品牌优衣库、洲际酒店集团(InterContinental Hotels Group)、麻省理工学院(MIT)、以及澳洲着名啤酒厂Coopers Brewery等。
值得一提的是,思科Meraki在中国发布的控制面板,是其首次为单一市场定制化开发的专用软件。中国版控制面板的用户不仅可以享受到与海外版同样简易、高可视性和多功能的卓越体验,还可以拥有受惠于本地化的功能,比如简体中文界面和百度地图的集成。此外,思科Meraki还在中国大陆地区发布了以下硬件产品,以极致性能和最佳实践更好地满足客户业务特定应用的需求:
· MX系列路由器
· Z系列远程办公人员网关
· MS系列交换机
· MR系列接入点
目前,思科Meraki已进驻中国上海,并成立了中国销售、市场、培训和运营团队。思科Meraki上海办公室是继旧金山、伦敦、悉尼和芝加哥后,其全球第五所办公室。此外,思科Meraki已开设中文官网(www.meraki.cn),提供了普通话版的思科Meraki网络工程师(CMNA)培训计划和普通话服务热线。
思科全球高级副总裁、思科Meraki总经理Todd Nightingale表示:“思科Meraki致力于简化强大的技术。思科Meraki在中国的落地将使中国IT团队能以一种更直观的方式管理网络,摆脱传统系统的复杂性。我们非常高兴能为中国客户提供思科Meraki解决方案,帮助其增加IT效率,提高网络敏捷性,最重要的是让中国各地富有激情的IT人才专注于他们真正的使命。我们期待与思科其他网络产品组合一起将全新的基于意图的网络创新带入中国。”
思科全球副总裁、大中华区首席执行官萧洁云表示: “今天思科Meraki在中国的正式落地,充分显示了思科为客户解决网络问题的长期承诺和坚定决心。面向广阔的中国市场,企业纷纷以全数字化为机遇、以客户为中心,依靠创新取得差异化优势。思科Meraki正是致力于通过创新,释放客户在人员、资金、时间等多方面资源的潜力,以助力其专注于投资能够产生巨大影响力的业务模式。”
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。