HPE 宣布推出一系列网络解决方案,旨在帮助零售团队改善零售环境,满足零售商对全渠道销售模式的需求,提供可靠且安全的网络连接。
该科技公司认为,随着零售商注重提供线上线下一体化的客户体验,确保路过的网络流量不干扰交易变得至为重要。此外,拥有地理分布式零售网点 (如商店、仓库和后台办公室) 的组织需要管理日趋复杂的网络,以减少 IT 人员的现场访问次数和时长。
HPE 的解决方案旨在为零售商提供更便捷的本地、云端和边缘计算远程管理能力,改善用户体验、运营效率和物联网 (IoT) 安全性。该系列解决方案的核心是 HPE Aruba Networking Central AI Insights,它可以检测影响客户体验的负面因素,并自动调整和传输设置以改善性能不佳的情况。
对零售业而言,HPE 认为 IoT 设备往往是黑客入侵的最薄弱环节。为防范安全漏洞和恶意软件,HPE 的接入点专门为网络边缘日益增多的 IoT 设备 (如摄像头、货架标签、RFID 标签、能源传感器和运动检测器) 提供安全的连接平台。
为防止通过 IoT 设备发生安全漏洞,AI Insights 可以检测 IoT 上传和下载中可能表明存在漏洞的异常情况。HPE 还在扩展其 IoT Operations 仪表板,使零售商能够利用零售合作伙伴的预构建第三方应用程序。
为解决 IT 资源限制问题,HPE 的解决方案通过扩展私有 5G 和 Wi-Fi 无线解决方案,与 HPE GreenLake Cloud 和公司的边缘计算产品组合 (包括 DL145 Gen11 服务器) 集成,提供更便捷的跨本地、云端和边缘计算资源的远程管理。
HPE Aruba Networking 无线技术首席技术官 Stuart Strickland 在评论这些新产品及其对零售行业的意义时表示:"面临仓储、库存控制和全渠道履约挑战的零售商需要全面且安全的连接来实现数字化现代化并提升客户体验。HPE 的网络解决方案将实时 IoT 数据处理和人工智能推理引擎部署在更接近数据生成源的位置,以推动能够增加收入的全渠道购物策略。"
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。