至顶网软件频道消息:在竞争激烈的云计算市场保持竞争力需要的不仅仅是一个积极的功能发布计划。顶级提供商们都在不断加强基础设施,以提高运营效率,这是一个谷歌希望获得优势的领域。
这家搜索巨头今天透露其云平台的一项升级能够使企业用户能够更快地访问和分发数据。 谷歌加速了BBT,这是一种内部开发的算法,它先前已被用于其搜索主页和YouTube中。视频共享服务的吞吐量在推出后全球平均增长了4%,有些国家的增幅超过了14%。
BBR是一种拥塞控制算法,旨在防止突发流量阻碍通信。自20世纪80年代以来,这种软件已经被包括在路由器、交换机和其他网络连接的设备中,当时不成熟的信息技术使得确定何时应该限制数据流的做法比较直接。
在大多数情况下,工程师依靠丢包率作为主要指标。当路由器或交换机中的有限的内存容量被填满时,通常意味着网络上的数据太多。问题在于,从那时起技术已经有了很大的发展,而大多数拥塞控制算法仍然以同样的方式评估流量。
进入BBR。按照谷歌的说法,该算法可以通过评估与拥塞直接相关的指标来绘制比其前辈更精确的网络使用情况。特别是两个指标:连接最大可用连接带宽数量以及最近一次往返的最小延迟。
在谷歌平台的几项关键服务上实施了BBR。首先,对象存储卷和数据库实例的流量现在由该算法管理,这意味着运行其上的应用程序可以更快地获取信息。依赖Google Cloud Load Balancing和Google Cloud CDN的网站也将受益于BBR,能够为访客提供更快的加载时间。
谷歌已经向The Internet Engineering Task Force分享了该技术的规格。这一举措表明,这一搜索巨头希望BBR也能够被其他组织采用,考虑到谷歌过去在网络通信标准方面的所作所为,这算不上是太大的惊喜。
好文章,需要你的鼓励
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
澳大利亚国立大学和广湾大学研究团队开发的VAU-R1系统通过强化学习显著提升了视频异常理解能力。该研究不仅创建了第一个专门用于训练和评估视频异常理解的思维链基准数据集VAU-Bench,还提出了一种数据高效的强化微调框架,使模型能更准确地回答问题、定位异常时间段并提供连贯解释。实验结果表明,VAU-R1在多项选择题准确率和时间定位方面比传统方法有显著提升,为安全监控、灾害预警等领域的智能系统带来了新的可能性。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
这项研究由香港中文大学团队提出了视频-3D几何大语言模型(VG LLM),一种无需依赖显式3D数据输入,仅通过普通视频就能理解3D世界的创新方法。通过集成3D视觉几何编码器,该模型能从视频序列中提取3D先验信息,显著提升空间推理能力。实验表明,该4B参数模型在多项3D场景理解和空间推理任务上超越了现有技术,甚至在VSI-Bench评估中胜过Gemini-1.5-Pro。