思科(NASDAQ: CSCO)宣布推出集智能、安全、可靠于一体的全新无线创新技术,包括智能Wi-Fi 7接入点和统一订阅许可,打造开箱即用的智能空间。这些创新将帮助客户解决在连接性、安全性和可靠性方面的挑战,同时为其提供灵活基础,以构建面向未来的工作空间。
思科推出智能Wi-Fi 7接入点和统一订阅许可
无线技术重塑了世界,改变了人们工作的方式、地点,以及购物和学习的习惯。如今,无线创新技术不断模糊着物理空间和数字空间的界限,使企业得以革新工作空间,为人工智能时代打造全新数字体验。尽管Wi-Fi 7带来了重要的性能升级,但对于渴求重塑购物体验的零售商、期待通过精确资产跟踪优化运营的制造商,以及希望加强患者护理的医院而言,除了连接性,他们更需要一个智能、安全且可靠的平台。
思科全球首席产品官Jeetu Patel表示:“我们几乎所有的工作都是将人类行为与传感器、摄像头或屏幕结合在一起,致力在日益数字化的世界中创造物理体验。而Wi-Fi正是这一切的核心。通过思科的Wi-Fi 7接入点和Cisco Spaces,我们为IT、房地产和设施团队提供了所需的连接、保障和数据,帮助他们在任何场所重新构想员工和客户体验。”
简化许可证和灵活部署
全新思科无线Wi-Fi 7接入点为世界各地的客户带来最新无线标准。思科全新智能接入点可在本地或通过云进行管理,并能在两者之间无缝切换。这种灵活性得益于思科的统一网络订阅——即涵盖思科整个Wi-Fi 7解决方案的单一许可证。全新的思科网络订阅将简化客户与思科开展业务的方式,确保客户大力投资的无线网络能够随其业务增长而迭代更新。
思科的优势
随着企业更加依靠科技来支持员工工作,以及为客户创造差异化体验,无线技术的重要性与日俱增。思科Wi-Fi 7创新解决方案为客户提供了一种智能、可扩展且以经验为依据的方法。
其中包括:
思科平台解决方案融入生态系统
思科今日推出的创新技术是其实现网络云平台解决方案的又一进展。思科将人工智能原生嵌入整个平台,继续践行为客户和合作伙伴提供操作简便性与安全性的承诺。
巴塞罗那会展中心电信经理Carlos Sanchez Baena表示:“巴塞罗那会展中心每年举办270场会议和活动,包括无线连接技术旗舰盛会——世界移动通信大会等全球性会议。来自世界各地的企业高管齐聚一堂,共同构建无线技术的未来。因此,我们必须在50万平方米的会展空间内提供无缝衔接的网络连接,只有最可靠、最可预测、最安全的无线体验才能做到这一点。随着高带宽技术的普及,支持增强现实/虚拟现实(AR/VR)和直播的能力变得更加重要。我们很高兴思科的Wi-Fi 7解决方案能够应用于此。思科是我们合作伙伴中唯一能够提供最可靠、最大规模、最安全连接的供应商。”
Edge & Core Solutions高级总监Christine Fierro表示:“思科全新的全球通用Wi-Fi 7接入点和统一许可证是令人欣喜的重要变革,它有效简化了解决方案,让客户更容易使用。我们很高兴能够帮助客户更好地了解这些新产品,协助他们简化运营并提高网络效率。”
国际数据公司(IDC)高级研究经理Brandon Butler表示:“Wi-Fi技术无处不在,驱动全球企业的日常运营和重要项目交流。近年来,为更好地利用人工智能提供的简化操作优势,业界对网络平台的采用率正在不断提升。思科的无线产品和统一许可证向客户展示了平台方法的价值,使他们能够获得更多灵活性,并得以持续优化和创新。”
思科Wi-Fi 7接入点
产品上市时间
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。