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
地球日之际,NVIDIA聚焦五个推动气候科学与可持续发展的项目:利用Earth-2平台开展气候模拟、借助AI推进红毛猩猩等濒危物种保护研究、通过AMP机器人实现可回收物自动分拣、借助AI技术研究早期海啸预警系统,以及通过Planet地球观测数据平台提取环境洞察。AI与加速计算正大幅提升环境保护与气候研究的效率与精度。
这项来自哥本哈根大学等多机构的研究(arXiv:2604.09746),构建了一个纽约市虚拟导航模拟系统,让150个"蓝队"AI与100个隐藏身份的"红队"AI交互对抗。红队通过伪装成热心路人,用风景渲染、权威话术等手段把蓝队引向广告牌陷阱。研究采用KTO方法进行十轮迭代训练,发现蓝队任务完成率从46%升至57.3%,逐渐习得了主动反驳、目标锚定等策略,但被骗率始终高达70%以上,揭示了AI智能体在持续社交操控下的深层脆弱性。
CoreWeave宣布推出三项新功能,旨在简化跨云AI训练与推理工作。其中CoreWeave Interconnect直接与谷歌云互联,支持开发者灵活部署训练和推理任务;SUNK Anywhere支持大规模长周期AI训练项目,可跨谷歌云、AWS、Azure及本地环境扩展算力;LOTA Cross-Cloud则允许数据集中存储、跨云运行工作负载。此次合作借助谷歌全球网络扩展了CoreWeave的服务覆盖范围,并消除了企业连接多云时依赖第三方的繁琐流程。
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。