在教育新基建的建设进程中,全光网发展迅速,对智慧校园的高质量建设起到了强有力的支撑作用。锐捷网络针对教育信息化建设对基础承载网的要求,升级锐捷高校极简以太全光2.X方案,新的全光网方案当前已经在智慧校园建设中落地。西安理工大学信息化管理处网络与安全管理科的杨超科长分享了西安理工大学采用极简以太全光2.X方案建设校园全光网的实践和思考。
打磨升级的锐捷高校极简以太全光网2.X方案,采用光纤入室的部署方式,通过二层无源简单组网架构和SDN技术在教育信息化飞速发展中为校园网络建设提供高带宽、低延时、高灵活、简运维的独享千兆/万兆网络承载,支撑未来十年业务演进,保障应用体验和投资价值。
1.锐捷高校极简以太全光网2.X方案规模应用了彩光技术,实现真二层组网结构,以无源透明汇聚替代原楼栋有源汇聚,最大限度降低因弱电间维护而产生的时间成本和人力、财力成本。疫情期间高校的线上教学、科研、网络办公等需求大幅度增长导致的网络带宽要求越来越高,高教极简以太全光网2.X可轻松应对,更好支撑高校网络的拓展需求。
2.锐捷高校极简以太全光网2.X方案针对教学、办公、宿舍等场景都进行了升级。通过安网联动,实现安全闭环。双机热备让校园网络出口更稳定易扩容。教学场景实现万兆入教室,长远应对未来教学应用升级的性能需求。应用至宿舍场景中,方案采用集中低压供电方式,避免学生偷电保障用电安全。对于想更精细化管理宿舍无线的高校,更提供了可以实现AP独立控电的新型混缆供电。新型混缆横截面积仅为传统混缆的1/6,节省桥架空间。
3.在运维层面,锐捷高校极简以太光全光网2.X方案采用有线无线整网SDN全网管控,实现统一运维,运维效率提升50%。设备即插即用,全光链路智能感知功能,摒弃费时费力的传统人工光链路排查方式,一人一机一键定位,故障恢复时间缩短到30分钟。无线网络智能调优,轻松排障;IoT接入更加快速,一键审批安全可控。
4.方案联动身份管理软件,实现了师生生涯状态变化账号、策略自动调整,保障用网安全。账号管理清晰,人网权限精准匹配,最大程度降低安全隐患。
新升级的极简以太全光网方案已经在西安理工大学应用落地。西安理工大学作为陕西省建设国内一流大学的建设高校之一,坚持走高质量、内涵式发展道路,推动信息化工作不断发展。校园网络建设有深厚的经验积累。
2021年,学校面临着网络带宽不足、融合度低、难以拓展的信息化工作困境。西安理工大学信息中心紧跟十四五规划全光网政策指导,深入研判本校网络难点,希望用以太全光网络破局,探索多网融合的解决方案。锐捷网络携手西安理工大学信息中心,采用锐捷高校极简以太光2.X方案,对校园网络进行了拓展升级。
西安理工大学的全光网改建已经取得了良好的成效:
1.多网融合,业务隔离:以全光网为基础承载,实现校园网、安防网,一卡通网,标考等各种专网的融合建设,同时通过SDN来为各专网划分了逻辑的虚拟专网,来实现各专网之间的业务隔离。
2.极简架构,彻底无源:实现了中心机房光纤直达教室的二层结构。楼层弱电间的交换设备全部取消,全光交换机入室,解决多网融合和重复建设的问题,楼栋弱电间通过透明汇聚设备实现彻底无源。
3.弹性扩容、面向未来:光纤组网,接入交换机下沉到室内,室内信息点扩容不受限制,同时配置多速率端口,支撑千兆无线Wi-Fi 6网络,网速提升数倍。未来再升级网络,只需要升级设备和端口速率即可,不再需要重新拉线路,极大减轻楼内桥架负担。
4.统一管控,运维无忧:1根入室的光纤代替大量网线,1套无源的合路设备,就可以实现全楼的多网融合与统一管理。避免因为弱电间的停电等各种因素对教学业务的影响,维护老师不用再跑弱电间排障运维。
5.安全准入,一键审批:通过SDN技术实现终端的安全准入,运维老师一键审批,同时全网终端一目了然。终端的接入安全有保障,也可以助力学校创建“文明校园”“平安校园”。
西安理工大学的以太全光网建成后,建设效果得到了广大师生的认可,在教学区通过万兆入室,带宽提升了十倍以上,通过实地测速,单端口速率达到了900兆,同时弱电间无源后,也大大降低了运维压力。全网的Wi-Fi 6更是让智慧教室等新业务应用体验,得到了大幅改善。
锐捷网络高校全光网方案,推出一年多的时间里,已经成功落地300余所高校。如今焕新发布的极简以太全光网2.X方案,更深入帮助高校解决校园基础承载网建设中的的痛点、难点问题。未来,锐捷高校极简以太全光网2.X方案将持续为高校提速教育新基建赋能,为数字化智慧校园建设喷涌新活力。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。