ZD至顶网网络频道 09月15日 综合消息: Riverbed公司已经对旗下各旗舰级产品做出了软件定义型调整。
与其它网路厂商一样,Riverbed公司同样意识到有线网络即将被逐步淘汰,而企业更希望使用内部开发的网络及安全策略,并将其引入云或者分支办公环境。
作为SD-WAN(软件定义广域网)工具包,SteelConnect 2.0将引入Riverbed的SteelHead WAN优化与SteelCentral应用监控与优化技术,而后被应用于全部应用程序当中——无论其立足于内部还是云基础设施之上。
Riverbed公司指出,网络管理员将能够借此设置流量优先级策略,且将其运用于任意基础设施当中。另外,由于整套方案全部以软件定义方式实现,因此大家可以根据构想、策略、可用性、价格或者其它任意指标对其进行调整。
当然,这套方案可作为虚拟机进行部署,Riverbed公司认为这样的选项对于分支办公环境而言极具吸引力——特别是考虑到其路由设备在功能上往往较为孱弱。不过目前这还仅仅是推断。另外,Riverbed公司打造出“云就绪分支”方案,强调其能够在远程站点当中设置并动态 调整网络策略,从而确保应用程序可运行在边缘位置且得到足够的关注与监控,帮助工作人员更为轻松地将数据回流至总部机构。
通过对收购自Aternity的技术资产加以消化,Riverbed公司已经推出了一种新的基于客户体验进行网络策略分析途径,这意味着网络管理员们又将迎来一款实用工具。
从底层状态来看,云已经不再是Riverbed公司唯一作为延伸手段以解决问题的途径。而Riverbed方面亦不再单纯利用软件定义网络以实现网络的流动性及功能需求。
很明显,Riverbed公司正积极将这两种新型机遇加以结合,计划利用软件定义网络承载日益扩张的云流量。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。