至顶网网络与安全频道 05月29日 编译:思科昨天宣布计划收购美国旧金山的网络情报初创公司ThousandEyes。根据交易协议,ThousandEyes的技术将被用于思科核心的企业网络和云服务业务,以及AppDynamics服务中。
思科表示,ThousandEyes将成为思科旗下新的网络服务业务部门,联合创始人、首席执行官Mohit Lad担任ThousandEyes总经理,联合创始人、首席技术官Ricardo Oliveira将继续管理产品愿景和创新战略。
ThousandEyes此前已经获得了1.107亿美元的融资,包括去年2月5000万美元的D轮融资。去年Pitchbook的估值是6.7亿美元。据彭博社的消息人士称,这次收购的价格约为10亿美元。
思科高级副总裁、企业网络和云部门总经理Todd Nightingale在新闻发布会和分析师电话会议上表示,这次收购交易进行了两三个月,此前两家厂商在不同的销售渠道有过多次碰面,因为双方有很多共同客户。
ThousandEyes提供的云平台可以帮助企业使用专门的软件传感器或者代理程序,追踪网络流量的情况,收集有关基础设施的信息。
该平台结合了来自各种来源的数据,以生成企业流量流经网络路径的地图,从而帮助IT团队准确确定出现连接问题时数据停留在何处。ThousandEyes表示,还可以帮助企业发现网络中的潜在漏洞,围绕基础设施投资做出更明智的决策。
ThousandEyes的客户中包括全球最大的25家软件即服务提供商中的20家,以及美国排名前7位银行中的6家,以及微软、Slack和Lyft等科技企业。思科指出,在COVID-19大流行期间,社交隔离政策使得云服务使用率越来越高,这时ThousandEyes提供的服务就变得尤为重要了。
Nightingale在一份声明中表示:“思科和ThousandEyes的结合将提供更深入、更广泛的可见性,以找出漏洞并改善网络和应用性能,为客户在访问云应用的时候提供端到端的可见性,同时Internet Intelligence将提高网络可靠性和整体应用体验。”
Nightingale在电话会议上补充说,思科计划将ThousandEyes的技术集成到思科的众多(也许是所有)产品中,这其中可能就包括思科Webex视频会议服务。他在一篇博客文章中提到了思科的Talos威胁情报部门,称“最重要的是,ThousandEyes之于网络,就像是Talos之于安全。”
市场研究公司Wikibon首席分析师Dave Vellante认为,这次收购表明思科正在“加码安全性”,而安全正是思科的亮点之一。
ZK Research首席分析师Zeus Kerravala认为,这对思科来说是“一次出色的收购”。
Kerravala说:“随着向云端的转移,无论是在家办公、移动办公还是其他情况,都可以说,互联网和私有网络一样,是企业网络中的一个重要组成部分。互联网一直以来都是客户的一大盲点。现在有了ThousandEyes,思科可以引入丰富的互联网知识,并将其与自己设备生成的数据结合起来。”
Kerravala补充说:“这是消除私有网络和公共网络之间界限的一个重要步骤。网络、从云到企业网络再到设备体验,都需要密切监控。”
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。