思科在2017年的整合行动中曾收购Viptela,准备进行SD-WAN升级,涉及的路由器达一百万台。
大家可能还记得,Viptela是由前思科高管创办的,于2017年5月以6.5亿美元(有点低于Viptela的顶峰估值9亿美元))被交换巨头思科收购。
思科现在将Viptela的SD-WAN技术用于简化分支机构管理,将vManage软件混合到DNA中心,并作为驱动ISR/ASR路由器IOS XE软件的一部分路送至路由器。
“百万路由器”这个数字就是这样来的----这两个系列中不到四年左右的任何设备都可以处理IOS XE升级。
思科企业网络业务资深副总裁Anand Oswal在博文(https://blogs.cisco.com/enterprise/revolutionizing-wans- with-cisco-ios-xe-software-defined-architecture)提到, IOS XE升级为客户提供了一条路径,可以在“安装基础群”为自己的分布式办公室提供SD-WAN结构。
Oswal表示,从管理员的角度来看,无论连接是MPLS、以太网、公共互联网、DSL、LTE还是租用线路,连接都是统一的。
他还补充表示,而且还可以令应用程序在SaaS、云和本地数据中心之间更加一致,附近有SD-WAN要保护应用程序和设备就要容易得多,SD-WAN可以处理配置和管理任务。Oswal表示,例如,将WAN置于软件控制之下意味着分支用户的网络包可以直接从用户发送到SaaS应用程序,不用走总部的网络。
Viptela整合也将路由器管理分流到云里,可以更好地远程监控分支机构里不是必须上门服务的东西。
即便是需要上门服务(例如将新路由器连接到网络),作为云应用程序运行的vManage也可以处理设备配置,包括策略、设备安全性、应用程序QoS和网络分段等等。
能想起比较久以前事情的网络管理员会很高兴听到这一条,因为思科以前在使用密码无保护智能安装方面遇到过麻烦,曾导致遭攻击而被诟病。(思科曾发布过一个工具可以对其进行阻止https://www.theregister.co.UK/2017/02/28/cisco_releases_tools_to_find_block_old_smart_install_config_software/ 。)
Oswal的帖子没有提到许可证如何升级,但思科Connect二月的演示文稿(https://www.slideshare.net/CiscoCanada/understanding-ciscos-next-generation-sdwan-solution-with-viptela) Connect表示硬件价格不会变。而是会将SD-WAN功能作为CPE成本附加在三个许可等级上提供,即“加”,“专业”和“企业”下的三个许可等级。
准备试一试SD-WAN功能及拥有合适的路由器的读者可以下载安装文档(https://sdwan-docs.cisco.com/Product_Documentation/Getting_Started/Hardware_and_Software_Installation/Software_Installation_and_Upgrade_for_IOS_XE_Routers)。
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。