在MWC22 巴塞罗那世界移动大会期间,以“释放联接潜力,加速数字经济发展”为主题的IPv6论坛举行。华为数据通信产品线副总裁赵志鹏发表了“IPv6+,数字化转型基石”的主题演讲,与产业各界共同展望IPv6+的未来。
华为数据通信产品线副总裁赵志鹏发表“IPv6+,数字化转型基石”主题演讲
赵志鹏指出,数字化转型已经成为全球主旋律,全球有100多个国家发布了数字化战略,而IP网络是数字化发展的基石。IP网络向下联接万物,向上联接应用,起到承上启下的关键作用。面向数字化发展,IP网络面临着海量物联、云网融合、确定性服务等诸多新的需求。基于IPv6的技术创新将成为网络升级演进的必然趋势,是打造金融、教育、医疗等千行百业数字化发展的数字底座。
他表示,数字化的快速发展对IP网络提出了新的需求。首先是海量物联的需求,预计到2030年,全球物联规模将达到百亿级别,支持海量接入将成为IP网络的重要基础能力;同时云时代的到来,更多企业选择多云的连接,对网络的实时性和灵活性带来了挑战;面向未来,不仅是办公业务上云,越来越多的生产业务也会向云端迁移,这对网络的确定性提出了更高的要求。面对这些新需求,IPv6+在确定性、可编程性、智能运维等方面的创新,将进一步释放联接的价值。
IPv6+不仅在推动创新和创业、数字经济转型、科学技术发展和在后疫情时代保持经济增长等4大方面为社会带来众多价值,而且在千行百业数字化转型过程中,发挥出重要作用。
在运营商行业,通过IPv6+打造“智能云网”解决方案,帮助运营商借助自身的网络资源优势,打造差异化的入云专线,为用户提供又快又好的上云体验;在接入侧,通过一盒多线方案,帮助客户快速入云;在汇聚侧,通过泛专线调度方案,实现统一接入,平滑演进;在骨干侧通过基于SRv6智能云图算法,实现云网资源最优调度。
在金融行业,当前在线交易、在线支付等新业务层出不穷,在保障稳态的同时,需要增强金融业务的敏态。通过SRv6分段路由技术,可以使得分布在不同地域的分支、网点等机构可以一跳联接到云服务,并基于当前云和网的负荷状态,结合相应的调度算法,灵活实现云网资源的调度。基于随流检测等技术的智能运维,则可以保障金融业务网络能够稳定可靠运行。
在制造行业,工业控制的信号传输对网络有着非常严苛的要求。IPv6海量地址,为智能制造行业众多的传感器接入提供了充足的地址,网络切片可以为智能制造的不同业务提供专网级的业务网络质量保障;经过IP化改造,使得海量的生产数据能够及时传递到云端,而云端的算力和智能能力也可以高效地传递到生产现场,更精准、高效地指导产线生产。
从人人互联到万物互联,IPv6+已经在全球实现了100+的商用,有效支撑金融、制造、能源、教育、医疗等各个行业的数字化发展。未来,让我们积极拥抱 IPv6 和 IPv6+的技术浪潮,加速迈入新的数字化世界。
2022年世界移动大会于2月28日至3月3日在西班牙巴塞罗那举行。华为展区位于Fira Gran Via 1号馆1H50展区。华为与全球运营商、行业精英、意见领袖等一起深入探讨行业趋势、GUIDE引领未来、绿色发展等热点话题,引领数字网络未来。欲了解更多详情,请参阅:
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。