中国北京,2023年2月10日——提供人工智能驱动安全网络的领导厂商瞻博网络(NYSE:JNPR)今天发布了最新的瞻博网络全球合作伙伴优势(Juniper Partner Advantage ,JPA)计划。瞻博网络在去年推出了一个新的精英合作伙伴层级Elite Plus,现对JPA进行大规模升级。
精英合作伙伴层级的优质成员数量正在按预期向30%的增速目标迈进,进入2023年,瞻博网络又为其更广泛的JPA合作伙伴优势计划引入了新的内容,通过托管服务帮助合作伙伴为它们的客户提供最具创新性的解决方案。新的JPA架构有助于合作伙伴构建和支持瞻博网络业务,以网络即服务(NaaS)模式经销瞻博网络的解决方案和托管服务。凭借新的设计、销售和市场营销工具,合作伙伴可以定制计划,提升盈利能力,推动持续增长,并获得更多奖励和回报。合作伙伴也可以更快地进入更高层级,预计2023年精英合作伙伴的规模将继续扩大。
瞻博网络全球渠道与虚拟销售集团副总裁Gordon Mackintosh表示:“我们90%的业务都来自合作伙伴,它们的成功对于我们至关重要。我们在2023年升级这一计划,是基于合作伙伴为先的理念,以确保为合作伙伴提供他们发展业务所需的战略、投资和工具。我们相信,凭借业界一流的合作伙伴计划与市场上最具创新性的产品,瞻博网络可为合作伙伴提供更为有力的支持。”
2023计划新增亮点包括:
- 顶级合作伙伴层级Elite Plus:瞻博网络将在今年为最优秀的合作伙伴提供更多支持,包括新的ROI模型、简化的MOU流程和新的奖励措施,推动合作伙伴持续增长。
- 扩展的领军者计划:瞻博网络领军者(Champions)计划于2022年再次启动,其成员已从800人发展至2300人,今后将进一步扩大。2023年,瞻博网络将为包括全球合作伙伴、营销合作伙伴和瞻博网络分销商在内的更大合作伙伴群体提供更多优势。
- 全新数字工具:瞻博网络在今年推出了合作伙伴业务中心和Velocity定价工具。配合PartnerLink,合作伙伴可实时获得瞻博网络团队的帮助,从而快速完成交易。
- 扩展的“多元化+”合作伙伴计划:该计划支持经过认证的多元化合作伙伴企业,并在6个月的时间内发展至44家合作伙伴,并计划在2023年覆盖更大范围。
瞻博网络全球合作伙伴计划和营销副总裁Helda Lopes表示:“通过新的Velocity定价工具、合作伙伴业务中心和优势洞察(Advantage Insights)等资源,我们的合作伙伴在2023年能够更高效地采取行动、更快地完成交易,并在更高水平进行竞争。我们非常重视合作伙伴的成功,愿意通过新的解决方案和计划等助力他们的成功,这些也都是我们实现发展的关键。瞻博网络在不同层次的分销合作伙伴数量在2022年增加了18%,我们预计2023年将继续保持这一增长趋势。”
随着合作伙伴计划不断发展壮大,瞻博网络也在扩大领导层团队,以确保公司适应现代网络的挑战,继续快速推进业务。因此,Ben Fallon加入了瞻博网络,任全球合作伙伴与虚拟销售副总裁,负责根据瞻博网络快速发展的虚拟销售形势进一步优化渠道合作。他拥有丰富的全球渠道、分销、欧洲、中东和非洲商业、小企业与安全销售和市场开发经验,为瞻博网络带来了深厚的行业知识和前瞻性理念。
Ben Fallon表示:“瞻博网络对Mist、Apstra和128 Technologies等公司的投资让我们可以继续引领下一代企业网络。我十分高兴在这一激动人心的时刻加入瞻博网络团队。”
以上计划于近日启动,更多信息将于瞻博网络年度合作伙伴高层峰会上分享。
好文章,需要你的鼓励
这项研究介绍了Ankh3,一种创新的蛋白质语言模型,通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务:多掩码概率的掩码语言建模和蛋白质序列补全,使模型仅从蛋白质序列就能学到更丰富的表示。实验表明,Ankh3在二级结构预测、荧光预测等下游任务中表现优异,尤其在模型未曾训练过的任务上展现出强大泛化能力,为蛋白质设计和分析开辟了新路径。
法国波尔多大学研究团队开发了一个突破性框架,用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告,并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法,这一系统能生成透明、有因果关系的解释,同时保持高诊断准确率。研究显示,通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为,包括假设检验和非线性思考,提供与临床决策流程一致的排序诊断结果。
这项研究提出了CLUE框架,首次能够生成自然语言解释来揭示AI事实核查系统不确定性的来源。与现有方法不同,CLUE能识别文本片段间的冲突与一致关系,并解释它们如何影响模型的预测不确定性。实验表明,CLUE生成的解释在三种语言模型和两个事实核查数据集上都更忠实于模型不确定性,用户评价其更有帮助、信息更丰富、冗余更少且逻辑更一致。CLUE不需要微调或架构更改,适用于任何白盒语言模型,为事实核查提供了实用支持。
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。