至顶网软件与服务频道消息:近日在ACM SIGCOMM 2019上,阿里云两篇论文被主会收录,阿里巴巴作为唯一中国公司作现场报告。核心研究成果将用于新一代高速云网络,同时实现高速云网络的极致性能和超高稳定性。实践成熟有望替代TCP和RDMA协议的拥塞控制算法,在云数据中心大规模应用。
随着云计算发展,以数据中心为核心的超大规模云网络架构正成为主流,但传统的TCP网络协议难以支持云网络高速、低延迟的要求。RDMA等新一代技术改进了传统TCP的部分弊端,大幅提升网络性能,但仍存在相当高的不稳定性。
阿里巴巴的本次研究成果主要阐述了自研的新一代高速网络拥塞控制协议HPCC(High Precision Congestion Control),兼具性能和稳定。在其帮助下,主流云应用如分布式存储、大规模机器学习等性能将得到几倍到几十倍提升,传输延迟显著降低,更加适用云计算时代的网络需求。
SIGCOMM是计算机网络方向的世界顶级学术会议,对论文质量要求极高,必须满足基础性贡献、前瞻性影响和坚实的系统实现要求,2019大会仅录取了32篇论文。
阿里巴巴始终致力于云计算网络技术的研发,此前已通过对RDMA网络的改造,从网卡底层开始设计,结合自研交换机能力,建成全球最大规模的“RDMA高速网络”。
作为全球前三、亚太第一的云服务商,阿里云在全球19个地域拥有56个可用区,网络总带宽已达到 PB 级别超大规模,目前正在进行400G 网络的研发测试。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。