至顶网网络与安全频道 04月08日 编译:思科昨天宣布收购Fluidmesh Networks,该公司主要生产用于连接“物联网”设备的无线回程系统。这次收购的财务条款尚未对外透露。
Fluidmesh的技术可以在火车等快速行驶,或者其他Wi-Fi覆盖范围不稳定的情况下实现零丢失数据传输。目前Fluidmesh的平台可用于各种场景,包括铁路、港口和公共交通。
思科表示,计划把Fluidmesh纳入思科的物联网业务部门,从而将工业无线服务扩展到更多的行业和客户群。此外,思科还计划利用Fluidmesh的专业销售团队和系统集成商资源来扩大物联网业务的范围。思科预计在今年第四季度之前完成此次收购。
思科高级副总裁,云、计算和物联网业务总经理Liz Centoni强调,“可靠的无线连接,对于运营物联网环境的公司至关重要。”Centoni在一份声明中说:“收购Fluidmesh将增强思科在这个领域的产品能力,该技术能在300Km/h的速度下实现零数据丢失。”
Constellation Research分析师Holger Mueller认为,“这次收购将使思科在关键的物联网用例中为客户提供更强大的产品。”
Mueller说:“事实证明,可靠连接现实世界的‘事物’并不是思科的核心能力之一,但幸运的是,这正是Fluidmesh网络的意义所在。未来几个月,我们将看看这个产品将如何与思科集成,如何提高思科在边缘的竞争力。”
过去两年,思科在物联网领域大举投资,而重点是在有大量物联网设备的边缘位置提供基于意图的网络。去年,思科发布了Catalyst IE3x00系列以太网交换机,这款交换机在边缘为物联网设备处理中带来了安全性、可见性和整体管理等功能。
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。