思科创建了一个设计框架,该框架将在未来几年中应用于该公司所有安全产品的用户界面。
这个名为“Magnetic”的框架于2022年7月悄然出现在思科的Meraki产品系列中。
思科执行副总裁兼安全与协作总经理Jetu Patel今天在澳大利亚墨尔本举行的Cisco Live会议上表示,Magnetic将在未来几年成为思科所有产品的标准配置。
这可不仅仅是表面功夫:Patel表示,有50%的安全漏洞是因为最终用户难以掌控复杂的产品造成的。Magnetic旨在简化管理,希望让用户更不容易犯错误。
Magnetic也将在设备和服务之间保持一致,因此当IT专业人员在工具之间切换时,他们会看到熟悉的元素重复出现。同样,思科希望这意味着更少机会犯错,同时还能够更快地获得技能。Switchzilla希望这意味着其产品培训变得更加有价值,因为它能够适用于更多的产品。
这家企业也很现实,知道一旦所有的产品都表现一致,交叉销售就会变得更加简单。
Patel表示,在未来三到六个月内,Magnetic将开始出现在更多思科的安全产品中,用“每月更新”来增加新功能。
他表示:“成千上万的屏幕将被重构。”
这将需要付出很多努力,因此需要花很多时间。Magnetic在很多年内都做不到无处不在。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。