近日,下一代网络和设备测试、测量、保障和分析解决方案供应商思博伦通信(伦敦证交所上市代码:SPT)宣布,思博伦TestCenter Virtual已在AWS Marketplace中正式上线。这款适用于云计算的测试解决方案构架于思博伦的旗舰产品,可加快网络服务和应用在公有云和混合云中的开发、测试和部署,并降低其在此类多样化生态体系中的复杂性。
网络设备制造商和云服务商将AWS中的连续集成和连续交付(CI/CD)应用于产品和服务验证,而思博伦TestCenter Virtual通过“经过改进的CI/CD进程”来加快此产品验证的过程。由于该应用能够在AWS和私有混合云中同时运行终端,并可实现网络协议仿真等特有新型网络功能的加载,因此能够大幅加快此类环境中各类网络服务的验证过程。
对企业客户而言,TestCenter Virtual可加快应用和服务从私有基础设施向公有云和混合云的迁移,同时还能通过云中的连续验证和回归能力为网络的性能提供保障。同时,它还加强了传统基础设施的测试和保障技术,利用增强型的方法学来应对全新的服务和应用层挑战,从而协助客户确保在从企业设施向云中迁移过程中,SD-WAN基础设施和关键任务应用的扩展能力、可靠性和性能。
Alkira公司研发副总裁Himanshu Shah指出:“我们在AWS中利用TestCenter Virtual为旗舰解决方案Alkira CSX(Cloud Services Exchange)的控制层和数据层性能提供了保障。思博伦的虚拟解决方案帮助我们缩短了性能测试的周期,从而能够快速、高效地利用一个集成式网络服务市场来提供统一的多云网络,充分满足了我们客户的需求。”
思博伦通信高级产品经理Prashant Gupta认为:“在涵盖了公有云、私有云和物理网络环境的复杂拓扑结构中,AWS中的TestCenter Virtual帮助客户快速、高效地启动对其联网服务的性能保障。它可以大幅缩短测试周期,并通过连续回归和验证优化应用和网络的性能、规模和弹性,已成为开发商极具价值的工具,能够帮助他们缩短入市时间,并且确保多种现实场景下的云应用性能。”
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。
这项来自KU Leuven、中科大和上海Memory Tensor公司的研究探索了如何利用拼图游戏训练多模态大型语言模型的视觉推理能力。研究发现,现有模型在未经训练时表现近似随机猜测,但通过强化学习能达到近乎完美的准确率并泛化到更复杂的拼图配置。有趣的是,模型能否有效学习与是否包含明确推理过程无关,且复杂推理模式是预先存在而非突然出现的。此外,研究证明强化学习在泛化能力上优于监督微调,挑战了传统的模型训练范式。这些发现不仅揭示了AI视觉理解的机制,还为未来多模态模型研发提供了重要参考。
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。
这项研究提出了LoHoVLA,一种用于长时序实体任务的统一视觉-语言-动作模型,融合了高层任务规划和低层动作控制功能。与传统方法不同,它利用单一预训练视觉语言模型同时生成语言子任务和机器人动作,并采用分层闭环控制机制增强鲁棒性。研究团队构建了包含20个长时序任务的LoHoSet数据集,实验结果显示LoHoVLA在Ravens模拟器中显著优于现有方法,展现出统一架构在实现可泛化实体智能方面的潜力。