ZDNet至顶网软件频道消息: 日前,第十届中国网络主管论坛在北京召开,科来作为网络分析领域优秀厂商携业务性能管理解决方案在本次会上亮相。
随着移动互联网、物联网、云计算等新技术新业务不断涌现,在带来新的经济增长点的同时,也带来了更加复杂的应用和管理问题。运维人员需要给企业提供越来越严格的服务级别协议,构建新的应用,及保持高水平的业务可用性。为了满足应用程序、数据以及用户越来越多的要求,网络主管们必须实施为满足新业务挑战而开发的高效IT。企业原有的IT架构已经建成十年,当时相对先进的技术和产品在现在已经明显落后,原有的IT基础架构已经渐渐不能适应企业对业务的灵活多变、敏捷快速的需求,在这样的情况下,如果不对企业的IT架构进行大的变革,将企业的IT架构升级到一个新的更加灵活、可靠、安全的IT架构,对于企事业单位来说,是影响他们未来发展的重要问题。
对IT架构进行升级和改造并非易事,一方面企事业单位需要有新的方法、新的工具和新的手段来升级自己的基础网络设施,另一方面也需要谨慎的选择技术和产品,构建一个面向未来的、灵活的、安全的、易扩展的IT架构,不得不说这是一个巨大的挑战。
科来业务性能管理解决方案(简称“科来UPM”)是面向网络业务的性能管理系统。贯穿业务层、应用层到网络层,对业务的可靠性、性能、质量、故障、安全问题进行监测,提供可视化的业务分析集成展现。解决传统应用和网络性能管理难以逾越的障碍:
科来UPM由“前端回溯分析服务器(简称‘前端’)”和“UPM分析中心(简称‘UPM中心’)”两部分组成。前端设备可分布式部署在业务系统通讯传输的各个重要汇聚节点,通过交换机端口镜像或流量分流设备采集业务通信数据;实时采集分析的性能指标参数和应用报警信息通过管理接口上报到UPM中心进行汇总分析。UPM中心部署在数据中心用于集中管理配置前端设备,集中收集前端设备采集的业务性能指标及报警信息进行汇总展现。
科来业务性能管理系统提供针对业务实际运行性能的有效监控,具备梳理业务整体支撑架构的功能,提供针对以业务为核心的监控视图,提供针对业务故障的智能化分析,具备万兆线速采集与存储性能,并能在5分钟内定位影响业务性能的故障点。
产品部署图示例
好文章,需要你的鼓励
亚利桑那州立大学的研究团队开发了RefEdit,这是一种新型图像编辑AI系统,能够准确理解和处理指代表达(如"中间那个人"、"右边的猫")。通过创建RefEdit-Bench基准测试,研究者们证明现有模型在多物体场景中表现不佳。他们设计了一种创新的数据生成流程,仅用2万样本就训练出的RefEdit模型超越了使用数百万样本训练的大型模型。这一突破使AI图像编辑在复杂场景中更加精确和实用。
这项研究提出了Critique-GRPO,一种创新的在线强化学习框架,将自然语言批评与数字反馈相结合,克服了传统仅用数字反馈的三大局限:性能瓶颈、自我反思效果有限和顽固性失败。实验表明,该方法使大语言模型能够从错误中学习并改进,在八项数学和通用推理任务中,将Qwen2.5-7B和Qwen3-8B模型的平均通过率分别提高了约4.5%和5%,超越了包括那些引入专家示范的方法。研究还揭示,高熵探索和长回答并不总是最有效的学习方式,质量更重要。这一方法为大语言模型的自我提升能力开辟了新路径。
这篇研究介绍了"量化LLM评价者",一个创新框架,能使大型语言模型(LLM)在评估其他AI输出时更接近人类判断。由麻省理工和Adobe联合研发的这一方法,将评估过程分为两个阶段:先让LLM生成文本评价,再用轻量级机器学习模型将这些评价转化为更准确的数值评分。研究提出了四种评价者模型,适用于不同评估场景,实验表明它们不仅能显著提高评分准确性,还比传统微调方法更节省计算资源。这一框架特别适合人类反馈有限的场景,为AI评估领域开辟了高效且可解释的新路径。
这项研究由IDEA、华南理工大学和北京大学联合开发的Rex-Thinker系统,通过模仿人类的链式思考方式来解决物体指代问题。与传统直接输出边界框的方法不同,它采用规划-行动-总结的三步骤推理,使AI能像人类一样逐步分析图像中的候选物体,并在找不到匹配物体时拒绝作答。通过构建90,824样本的HumanRef-CoT数据集和两阶段训练方法,系统在精度、可解释性和泛化能力上均取得了显著进步。