Cat 6A 的以太网供电 (PoE)
根据美国市场研究公司 Grand View Research 的预测,截止 2025 年,全球 PoE 市场规模将达到 37.7 亿美元。随着室内外部署的有源传感器、设备和控制器越来越多,以太网供电(PoE)的重要性也在不断提升。一方面,更多的网络设备如 IP 安全摄像头、Wi-Fi 接入点、室内无线网络、楼宇管理系统和 LED 照明等开始让以太网供电的传输距离增加。截至目前,当代 PoE++ 系统可提供高达 90 W 的功率,足以运行最新、耗电量更高的网络设备。超六类(Cat 6A)正是能为 PoE++ 应用提供更加优异供电性能与距离的布线之选,且具备更强的散热性。
导致温度升高和火灾隐患的部分原因是单个导体中的热量增加。导体越小,热量增加越多。承载 400 mA 电流的 Cat 5 线缆温度升高约 10℃,而承载同样电流的 Cat 6A 线缆温度升高 6℃。热量累积还取决于线束中的线缆数量。您可以部署合理的策略来减轻这个问题的影响。
影响不大。热负荷影响成束线缆的主要原因在于线缆的长度和密度。机架中优化的理线方式可提供良好通风和散热。因此,机架内的影响可以忽略不计。
不确定。电力传输不会受到影响,但会影响数据传输。为了防止出现这种情况,建议参考我们的 PoE 实施指南。
如果没有明火,可能性极低。成束线缆会发热,但不会达到酿成火灾的水平。热负荷的影响仅限于电气性能。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。