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
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。