至顶网网络频道 05月16日 国际消息: HPE今天宣布计划收购Plexxi Inc.,Plexxi是一家软件定义网络初创公司,已募集了超过8000万美元的风投资金。
收购的财务条款尚未披露,但据报Plexxi在上一轮融资后的估值为2.67亿美元,这大致可以为收购价码提供一个参考。此次交易将为HPE购入现场测试技术,可用于管理现代数据中心的网络设备。
Plexxi十分看重超融合基础架构(HCI)环境。 HCI就是将服务器、存储设备和网络设备与管理软件整合在一个软件包,这一类系统统称为HCI。这种综合方法的目的是要令日常维护与传统数据中心比更容易一些,传统数据中心里的各个组件是分开的。
Plexxi提供两种旨在进一步简化管理员工作的软件产品。第一种产品名为Plexxi Connect,Plexxi Connect可根据一个公司的工作负载要求自动优化网络设备。另一种产品名为Plexxi Control,当一个组织需要更改基础架构时,Plexxi Control可以将相同的概念应用于网络的重新校调。另外,初创公司Plexxi也销售了一系列旗下软件专用的交换机。
Wikigon(与SiliconANGLE隶属同一家公司)的分析师Stu Miniman指,Plexxi在HCI方面的工作主要集中在来自Nutanix公司的系统上。他称这可能会在短期内在HPE将Plexxi技术整合到旗下自己的HCI系统时构成挑战。据Miniman的说法,可能有一定的风险,HCI可能会“迷失在HPE的整合里而失去动力”,这是HPE必须解决的一个潜在问题。
除了超融合系统外,HPE还计划将Plexxi的软件与另一个名为Synergy的产品系列整合在一起。整合后的系列可进一步利用超融合基础架构,管理员利用系列产品可以使用软件模板为应用程序提供恰当数量的硬件资源。
HPE和Plexxi团队打算在未来几个月向公众发布有关他们计划的更多信息。同时,创业公司Plexxi将继续加强旗下产品的功能。 Plexxi 早上在发布此次收购公告时推出了功能更新,新功能为VMware的数据中心虚拟化软件提供了更广泛的支持。
HPE预计将于7月底前完成交易。
好文章,需要你的鼓励
这篇研究揭示了大语言模型强化学习中的"熵崩塌"现象——模型在训练早期迅速失去探索能力,导致性能达到可预测的上限。研究者发现验证性能和策略熵之间存在精确的数学关系:R = -a·exp(H) + b,并深入分析了熵变化的内在机制。基于这些发现,他们提出了两种简单有效的方法(Clip-Cov和KL-Cov)来缓解熵崩塌问题,显著提升了模型性能,特别是在困难任务上。这项研究为大模型强化学习的规模化应用提供了关键指导。
Skywork OR1是昆仑公司AI团队开发的开源推理大模型,通过创新的强化学习方法显著增强了语言模型的推理能力。该研究基于DeepSeek-R1-Distill模型系列,采用名为MAGIC的训练方法,在AIME24、AIME25和LiveCodeBench三大基准测试中实现了显著性能提升,32B模型平均准确率提高15.0%,7B模型提高13.9%。研究团队通过系统研究策略熵崩塌现象,提出了有效的缓解策略,并开源了全部代码、数据和模型权重,为AI社区提供了宝贵资源。
上海交通大学研究团队发现多模态大语言模型中的"啊哈时刻"(自我反思模式)虽存在但并不意味着推理能力提升。他们提出了"冷启动强化学习"两阶段方法:先用监督微调建立推理模式,再通过强化学习优化。实验表明,这种方法在多个多模态数学推理基准上表现卓越,使3B参数模型达到接近甚至超越部分7B模型的性能,为增强多模态AI推理能力提供了有效路径。
MBZUAI研究团队开发的SVRPBench是首个模拟真实物流环境的随机车辆路径问题基准测试平台。它通过建模时间依赖的交通拥堵、概率性延误和客户特定时间窗口,为500多个包含最多1000客户的测试实例注入真实世界的不确定性。实验结果显示,先进的强化学习算法在分布变化时性能下降超过20%,而传统方法表现更为稳健。该开源平台通过GitHub和Hugging Face发布,旨在推动更适应现实世界不确定性的路由算法研究。