今天,Broadcom推出一款搭载 StrataXGS Trident 4(BCM56690)的下一代Trident X7 。这是Broadcom公司的新一代企业交换平台,旨在将50E和100GbE网络引入服务器节点,并将400GbE引入更多数据中心。
预计新的Broadcom Trident 4-X7将被用作企业网络环境中的顶级机架交换机(ToR)。它被设计用于处理50GbE或100GbE连接到服务器,然后通过聚合交换层进行400GbE上行连接。
尽管我们在AI训练服务器领域中看到400GbE变得非常普遍,但企业服务器的成本往往是这些服务器的十分之一,并且由于VMware和Microsoft的许可模型核心数量往往较低,并不像云环中那样高。这意味着企业服务器互连的25GbE接口将在不久的将来转变为50GbE和100GbE,现在已经出现了NVIDIA BlueField-2 DPU和AMD Pensando DSC2-100G Elba DPU在运行VMware ESXi的情况。
NVIDIA正在开始推出与AMD相匹配的针对VMware企业级100GbE解决方案。这将有助于推动新的服务到企业VM部署中,从而更需要100GbE ToR交换机,Trident X7的出现将会很好满足这部分企业客户的需求。此外,鉴于SONiC在重塑行业的方式上非常重要,Broadcom表示将在Trident 4 上支持Enterprise SONiC。
最后的话
Broadcom仍将该产品列为“初步”,因此在交换机产品中可能还需要几个季度才能看到。与此同时,Trident已经存在多年,所以我们期待新一代产品的推出,令人兴奋的是,预计像Arista这样的公司将采用新的交换芯片进行生产。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。