上海企盈信息技术有限公司位于徐汇区宜山路700号普天信息产业园B2栋25楼,企盈致力于中小企业服务,已累积服务了超过10000家客户,是全国值得信赖的企业服务平台之一。现有员工超过250人,企盈秉承“专业、诚信、服务、共赢”的理念,追求服务至上,以专业的人员为客户服务,解决客户所有的行政事务性问题。
公司前台
客户需求
现今,在办公楼内增加无线网络、实施有效的网络安全管理、利用更先进的网络管理技术提高办公效率等,才是今天的企业办公对网络的普遍需求。企盈的办公面积在5000平米左右,共接入3条外网带宽,分别是两条300M,一条200M,因此在部署基础网络的时候有如下具体需求:
1、需实现整个办公楼的全无线覆盖,支撑员工的移动办公设备,并能做到无缝漫游;
2、除实现无线覆盖之外,各部门的固定工位都需要部署有线接口,满足有线接入需求;
3、不同的部门需要进行网络隔离,不能互访,同时走不同的路线出访外网。
解决方案
为完成企盈的组网目标,飞鱼星售前工程师多次前往现场进行工勘和网络规划,在多次沟通后,设计了一套企业办公场景化网络解决方案,该方案由一台AC1000、一台VS5956G、一台VS5326GP、二十台VS1224G、十七台AP313-CH组建而成,形成了一套有线无线一体化网络,并能保证数据安全,提升办公效率。
本方案中,财务部和云账房的所有数据走WAN1口进行数据传输,语音系统、人事部门、业务、市场等其他部门的所有数据走WAN2口进行数据传输,而无线连接的终端则全部走WAN3口进行数据传输,实现基于部门的带宽分配,有效实现数据分流和数据隔离。
组网方案拓扑图
方案详情
方案采用AC1000作为一体化网关,作为QuanWiFi系列中的旗舰型产品,可承受3条外网带宽接入,提供稳定、安全、高效的数据交互,最大带机量为1000台,可管理512个AP,充分满足客户带机和AP管理需求,后续还可接入云管理平台进行网络远程管理,使得管理更加方便快捷。
在网络的核心层,选用VS5956G三层万兆交换机作为核心汇聚交换机,可针对网络中不同部门和业务划分不同VLAN,从而实现业务隔离,同时也作为DHCP服务器向内网终端分配IP,而在接入层,则选用VS1224G连接内网中各部门的有线重点,实现数据的交互和传输。
在无线覆盖环节,选用AP313-CH大功率双频AP进行全覆盖,每个AP的信道、位置、频段都进行最佳的设置,该AP采用美国高通芯片方案,具有性能强悍,穿透能力优秀、大带机量等优势,特别适用于高密无线覆盖环境,所有AP通过VS5326GP全千兆 PoE交换机进行集中供电和数据传输。
组网设备一览
AP部署的位置
AP点位部署图片
实现效果
这套有线无线一体化部署方案有效的解决了客户的各项需求,加快并简化了客户预期的企业网络改造进程,实现了带宽数据分流和部门业务隔离,同时,全场统一使用一个SSID,实现无缝漫游,经取点测试,信号覆盖平均强度在-65db以上,全部17个AP都可以通过AC1000进行统一管控,简化了AP管理,优化了无线网络管理。
经客户测试,在高密度无线终端接入的环境下,400多台终端同时接入无线,通过中控电脑,数据传输延时达到要求,AP接入终端数相对平均,稳定性好,获得客户肯定。
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。