至顶网软件频道消息: 亚马逊网络服务公司(Amazon Web Services Inc.)可能很快会将自己的交换机推向市场,从而挑战思科及其他成熟的网络设备制造商。
该出版物引用了两位知情人士的话表示,该计划仍在考虑之中。尽管如此,华尔街仍然非常重视AWS进入这个市场的前景。思科的股价因为这个报道下跌了超过4%,而Juniper Systems Inc.等竞争对手的股价也出现了下跌。
AWS可能对网络行业的现有企业构成重大威胁。不仅仅因为其母公司亚马逊拥有破坏成熟行业的长期记录,而且还拥有建立数据中心基础设施的强大专业知识。
与其他主要云提供商一样,AWS在内部设计了大量支持其平台的硬件。该公司特别注重成本效益,并定期降低基础设施的价格,以保持竞争优势。根据今天的报告,对可负担性的关注已经延续到公司的新网络推动。
这些了解内情的人士表示,AWS可以做到让其交换机的价格比思科的同类硬件低70%至80%。他们表示,这些设备基于白盒设计,使用廉价商品组件,并包含内置AWS集成的自定义管理软件。
后一个特征可能是一个主要的区别。绝大多数企业将云基础架构与其内部部署的本地硬件一起使用,而AWS则是首选。可以与该平台天然集成的交换机可以简化客户的日常操作。
据报道,这家云计算巨头已经与一些被精心挑选出来的客户一起试用硬件。根据这些了解内情的人士说法,如果AWS决定推进该计划,这些交换机可能会在18个月内上市。
Moor Insights&Strategy的总裁兼首席分析师Patrick Moorhead表示,此举对亚马逊有意义,因为绝大多数网络交换机都使用来自博通公司(Broadcom Inc.)的相同芯片组,因此可以运行相同的软件。
如果这家供应商成功地进入交换机市场,它也可能会转向瞄准数据中心的其他部分。 AWS当然拥有必要的基础架构专业知识。而且,该供应商已经通过其云平台间接地与已有的数据中心供应商进行了竞争,并减少了企业对内部设备的依赖。
好文章,需要你的鼓励
这项研究针对现代文档检索系统中的关键缺陷:独立处理文档片段导致丢失上下文信息。研究团队开发了ConTEB基准测试来评估模型利用文档级上下文的能力,并提出了InSeNT方法,结合后期分块和创新的对比学习策略。实验表明,上下文感知嵌入显著提升检索性能,尤其在处理非自包含文本片段时,同时保持计算效率,对分块策略更具鲁棒性,并且在语料库规模扩大时表现更佳。这一研究为更智能的文档检索系统铺平了道路。
这项由布朗大学和Cohere实验室研究者联合进行的研究全面分析了大型语言模型(LLM)安全研究中的语言不平等现象。通过系统回顾近300篇2020-2024年间的安全相关论文,研究发现LLM安全研究严重偏向英语,即使中文这样的高资源语言也仅获得英语十分之一的研究关注,且这一差距正在扩大。研究还揭示非英语语言很少作为独立研究对象,且英语安全研究常忽略语言覆盖文档化。为解决这一问题,研究者提出了三个未来方向:开发文化敏感的评估基准、创建多语言安全训练数据,以及深入理解跨语言安全泛化挑战。
这项研究提出了ChARM,一种创新的角色扮演AI奖励建模框架,通过行为自适应边界和自我进化策略大幅提升AI角色的真实性和一致性。研究团队创建了包含1,108个角色的RoleplayPref数据集,实验表明ChARM比传统模型提高了13%的偏好排名准确率,应用于DPO技术后在多项基准测试中达到了领先水平。这一突破将为娱乐、教育和心理健康支持等领域带来更加自然、个性化的AI互动体验。
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。