慧与科技(NYSE: HPE)日前宣布,Gartner将HPE Aruba Networking评选为2024年《企业级有线和无线局域网基础设施魔力象限》报告领导者。这是HPE Aruba Networking连续第18次荣膺Gartner领导者象限殊荣。
在《企业级有线和无线局域网基础设施魔力象限》报告中,Gartner依据两项重要指标对供应商进行评估:愿景完整性和执行力。该报告中涵盖对各入选供应商优势和应注意事项的评估。
HPE Aruba Networking首席产品官兼首席技术官David Hughes表示, “正是由于HPE Aruba Networking致力于为客户打造的集中式平台,从而让我们获评此次领导者象限殊荣。这一平台旨在为客户提供更佳的网络可靠性和安全性,并借助将人工智能融入网络管理解决方案,以激发客户的创新动力,进而帮助提升网络团队和终端用户的体验。未来,我们将持续通过HPE Aruba Networking Central平台满足关键客户需求,该平台可通过本地部署或云端进行访问,具有全新的UI,支持零信任安全、网络即服务(NaaS)动态扩展,以及通过一系列收购带来的功能拓展,包括Axis Security的安全服务边缘(SSE)解决方案和Athonet的私有5G网络技术。”
HPE Aruba Networking营销副总裁Scott Calzia表示, “我们坚信,连续第18次荣膺Gartner领导者象限殊荣,印证了我们在构建有线和无线局域网基础设施方面的卓越专业实力,这些基础设施广泛应用于园区、分支机构和远程部署。同时,这一荣誉也再次凸显了我们在其他领域所提供的一系列解决方案的强大实力,涵盖数据中心、私有5G网络,以及整合了工作流自动化和边缘到云安全的物联网网络。”
HPE始终致力于推动网络领域创新,以满足关键客户的需求。去年,HPE通过收购私有蜂窝网络技术供应商Athonet,成功将私有5G网络引入企业无线领域,并作为集成式云管理解决方案的一部分。与此同时,HPE去年收购了云安全厂商Axis Security,从而为产品新增了基于云的网络接入控制、通用策略,以及基于EVPN/VxLAN的访问控制能力,进一步提升零信任安全性。此外,今年年初,HPE宣布有意收购Juniper Networks,以加码在网络业务和人工智能驱动型创新领域的投入。
我们深信,凭借在魔力象限中取得的领导者地位,HPE正处于前所未有的有利地位,进而推动网络市场持续转型。
附加资源
Gartner,《企业级有线和无线局域网基础设施魔力象限》,作者Tim Zimmerman,Mike Leibovitz, 以及Nauman Raja,2024年3月6日。
HPE Aruba Networking在《企业级有线和无线局域网基础设施魔力象限》报告中以HPE(Aruba)出现。
HPE Aruba Networking连续18年的傲人地位包括从2015年至2023年连续9年被评为有线和无线局域网基础设施魔力象限领导者。同时,HPE Aruba Networking从2012年至2014年连续3年被评为同一魔力象限领导者,并在2006年至2011年期间5年(2009年未发布报告)获评无线局域网基础设施魔力象限领导者。HPE Aruba Networking曾在2005年获评无线局域网基础设施魔力象限领导者和挑战者。
GARTNER是Gartner, Inc.和/或其附属公司在美国和国际的注册商标和服务商标,MAGIC QUADRANT是Gartner, Inc.和/或其附属公司的注册商标,本文已获得使用授权。保留所有权利。Gartner不为其研究出版物中提及的任何供应商、产品或服务背书,也不建议技术用户仅选择具有最高评级或其他称号的供应商。Gartner研究出版物包含的是Gartner研究组织的意见,不应被视为事实陈述。Gartner对本研究不承担任何明示或暗示担保,包括任何针对特定用途的适销性或适用性的担保。
好文章,需要你的鼓励
这项研究介绍了Ankh3,一种创新的蛋白质语言模型,通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务:多掩码概率的掩码语言建模和蛋白质序列补全,使模型仅从蛋白质序列就能学到更丰富的表示。实验表明,Ankh3在二级结构预测、荧光预测等下游任务中表现优异,尤其在模型未曾训练过的任务上展现出强大泛化能力,为蛋白质设计和分析开辟了新路径。
法国波尔多大学研究团队开发了一个突破性框架,用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告,并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法,这一系统能生成透明、有因果关系的解释,同时保持高诊断准确率。研究显示,通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为,包括假设检验和非线性思考,提供与临床决策流程一致的排序诊断结果。
这项研究提出了CLUE框架,首次能够生成自然语言解释来揭示AI事实核查系统不确定性的来源。与现有方法不同,CLUE能识别文本片段间的冲突与一致关系,并解释它们如何影响模型的预测不确定性。实验表明,CLUE生成的解释在三种语言模型和两个事实核查数据集上都更忠实于模型不确定性,用户评价其更有帮助、信息更丰富、冗余更少且逻辑更一致。CLUE不需要微调或架构更改,适用于任何白盒语言模型,为事实核查提供了实用支持。
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。