Arista Networks宣布收购了软件定义网络厂商Big Switch Networks,后者此前从Khosla Ventures等投资方那里筹集了超过1.2亿美元的资金。目前Arista尚未对外公布这次交易的条款,而早在去年十月就有关于这次收购的传闻了。
Arista总部位于美国加利福尼亚州圣塔克拉拉,是企业网络市场的主要厂商之一,主要销售交换机、Wi-Fi接入点、相关硬件产品以及管理软件。本周四,Arista公布了第四季度财报,调整后的营业利润为1.834亿美元,收入为5.525亿美元。Arista首席执行官Jayshree Ullal在财报电话会议上向分析师表示,Big Switch“拥有丰富的工程专业知识,使我们能够深入进入分组网络技术领域”。
Arista看中的正是Big Switch的监控功能。Big Switch的两款软件平台可以让管理员集中管理企业网络并发现潜在问题:Big Cloud Fabric平台提供了管理功能,可以配合内置的监视和分析仪表板使用;Big Monitoring Fabric则提供了一组扩展的网络监测工具。
这两个平台都可以部署在公有云和本地硬件中。
Arista将利用Big Switch的技术来强化为交换机提供动力的EOS操作系统,特别是扩展该软件现有的CloudVision和DANZ网络监控模块的功能。Arista首席运营官Anshul Sadana在声明中表示:“收购Big Switch将丰富我们的分析和可见性,帮助客户监控他们的云局域网络。”
而Arista在云网络市场中的动作远不止于收购Big Switch。Arista的大部分收入来自超大规模数据中心客户,而且正如Arista联合创始人Andy Bechtolsheim此前所说,Arista一直专注在这个领域。
众所周知,Bechtolsheim是科技界备受尊敬的人物,被誉为谷歌的第一位投资者。他曾在采访中分享了Arista云战略的简短历史。
“Arista的成立源自于我们与当时在谷歌的一位好朋友Larry Page(谷歌联合创始人)共进午餐,他告诉我,他们最大的问题不是服务器,而是网络,以及满足未来数据中心规模需求的扩展问题。Arista从成立之初就把重点放在云网络上,即使当时这在业内是不被理解的。”
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。