至顶网网络频道 08月24日 编译:通信服务提供商(CSP)正面临着变革其运营商网络基础设施(CNI)以创建新的业务网络服务、创造新收入流并提高运营效率的挑战。在此背景下,通信服务提供商正在利用软件定义网络(SDN)和部署网络功能虚拟化(NFV)。今天,运营商网络基础设施包括物理和虚拟的网络基础设施,利用NFV和SDN。IDC公布的一项新报告引入了新的运营商网络基础设施类别——网络功能虚拟化基础架构(NFVI)——并提供了第一个NFVI收入预测。
因为这是一个新兴市场,所以IDC估计2017年全球NVFI收入仅为5.64亿美元。但随着通信服务提供商加速网络转型,预计2017年到2020年预测期内该市场将实现58.1%的复合年增长率,到2022年收入达到56亿美元。
在定义NFVI时,IDC与欧洲电信标准协会(ETSI)提出的架构保持一致,该架构确定了该运营商网络基础设施的五个细分领域:软件定义的计算、网络、存储、管理和编排。IDC预计,由于需要在日益复杂的网络功能(包括物理和虚拟网络)中动态编排网络服务,因此需要在多个垂直领域中进行编排,因此软件定义编排这个细分领域将是增长最快的。软件定义网络也会有显著增长,这主要是由于响应动态市场和应用/用例环境(在电信云数据中心和多个电信云部署之间管理服务流)以编程方式管理网络流量的需求不断增长。
从域的角度来看,无线基础设施是目前NFVI预测的最大贡献者,并将继续成为整个预测中的最大贡献者,其次是路由。5G将成为无线基础设施NFVI增长的重要推动力,迁移至在边缘和接入用例中的虚拟路由,将让路由NFVI的增长速度超过整体市场。
IDC运营商网络基础设施研究主管Rajesh Ghai表示:“全球通信服务提供商认识到,需要对网络基础设施进行数字化转型,并构建更多以客户为中心的业务模式。采用软件定义的网络原则,并以虚拟化的形式部署网络功能是战略需要,不仅是对投资未来的运营商而言,还有为市场提供这些解决方案的厂商而言。NFVI是这一愿景的基石,这项预测也是IDC首次评估这一具有重要战略意义的运营商网络基础设施市场。”
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。