思科创建了一个设计框架,该框架将在未来几年中应用于该公司所有安全产品的用户界面。
这个名为“Magnetic”的框架于2022年7月悄然出现在思科的Meraki产品系列中。
思科执行副总裁兼安全与协作总经理Jetu Patel今天在澳大利亚墨尔本举行的Cisco Live会议上表示,Magnetic将在未来几年成为思科所有产品的标准配置。
这可不仅仅是表面功夫:Patel表示,有50%的安全漏洞是因为最终用户难以掌控复杂的产品造成的。Magnetic旨在简化管理,希望让用户更不容易犯错误。
Magnetic也将在设备和服务之间保持一致,因此当IT专业人员在工具之间切换时,他们会看到熟悉的元素重复出现。同样,思科希望这意味着更少机会犯错,同时还能够更快地获得技能。Switchzilla希望这意味着其产品培训变得更加有价值,因为它能够适用于更多的产品。
这家企业也很现实,知道一旦所有的产品都表现一致,交叉销售就会变得更加简单。
Patel表示,在未来三到六个月内,Magnetic将开始出现在更多思科的安全产品中,用“每月更新”来增加新功能。
他表示:“成千上万的屏幕将被重构。”
这将需要付出很多努力,因此需要花很多时间。Magnetic在很多年内都做不到无处不在。
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。