近日,HPE旗下的Aruba部门推出了新的人工智能功能,有望简化企业网络的管理。
Aruba主要为数据中心、办公室和大学校园等地点提供网络设备,还为客户提供可用来管理硬件部署的软件。此次Aruba推出的新AI功能将作为云网络管理平台Aruba Central的一项功能推出。
在企业中,IT团队需要能够检测新设备何时连接到企业网络,但是新设备可能存在各种网络安全问题需要解决。在实践中,检测系统何时连接到企业网络对IT团队来说往往是一个挑战。
Aruba Central此次推出的新工具名为Client Insights,可以自动检测设备何时连接到网络。此外,Client Insights还会收集有关每台设备的技术数据,检查新添加的系统是服务器、数据中心交换机还是员工端点,并收集有关该系统生成的网络流量信息。
据Aruba称,竞争对手的此类工具通常收集的企业网络相连设备数据是很有限的。Client Insights提供的数据对于检测网络安全问题等任务来说非常有用,而且该工具不需要管理员在企业网络上安装其他软件,从而节省了时间。
除了Client Insights之外,Aruba Central还新增了另一个名为Firmware Recommender 的AI功能。
作为其硬件组合的一部分,Aruba也售卖无线接入点,企业使用这些接入点可在办公室等地点提供Wi-Fi连接。Firmware Recommender可以检测企业无线接入点的固件何时应该更新到较新版本,此外还提供了技术指南可以帮助IT团队更轻松地应用这些更新。
Aruba使用来自客户硬件部署的匿名数据对Aruba Central AI功能所使用的神经网络进行训练,据称,每天从超过200万台网络设备中收集数据,这些网络设备支持大约2亿个端点。
Aruba产品解决方案营销副总裁Larry Lunetta表示:“AI的真正障碍不是数学模型,而是拥有大量、多样化的数据来训练模型,从而在所有网络拓扑中生成可靠的结果。我们的AIOps功能可以帮助企业减少多达75%的故障单,同时将网络性能优化25%甚至更高。”
除了此次发布的AI新功能之外,Aruba还对Aruba Central中的两个现有功能进行了增强。
其中,Aruba Central的搜索栏让管理员能够在企业网络中查找特定设备,现在该功能新增了对西班牙语的查询和查询响应。此外,Aruba还增强了AI Assist故障排除功能,升级之后可以帮助企业更轻松地检测何时应该更换网络设备或需要更新固件。
Aruba的网络产品(尤其是Aruba Central平台)正在成为母公司HPE产品战略中一个越来越重要的元素。今年早些时候,HPE将 Aruba Central与其GreenLake硬件和软件产品组合集成在一起,让企业IT团队可以通过单一界面管理Aruba网络设备、HPE计算和存储硬件。
网络市场的其他厂商也为他们的软件配备了AI功能以简化IT团队的工作。今年5月,思科推出了一款可以提前预测网络问题、提供解决问题建议的软件引擎;早些时候,Juniper推出了一套基于AI的故障排除工具。
好文章,需要你的鼓励
这篇博客详细解读了阿里巴巴通义实验室和中科大联合开发的VRAG-RL框架,该框架通过强化学习优化视觉语言模型处理复杂视觉信息的能力。研究创新性地定义了视觉感知动作空间,使模型能从粗到细地感知信息密集区域,并设计了结合检索效率与结果质量的精细奖励机制。实验表明,该方法在各类视觉理解任务上大幅超越现有技术,Qwen2.5-VL-7B和3B模型分别提升了20%和30%的性能,为处理图表、布局等复杂视觉信息提供了更强大的工具。
香港科技大学研究团队发现AI训练中的验证器存在严重缺陷。基于规则的验证器虽精确但僵化,平均有14%的正确答案因表达形式不同被误判;基于模型的验证器虽灵活但极易被"黑客攻击",AI可通过输出特定模式欺骗验证器获得不当奖励。研究提出混合验证器设计,结合两者优势,在数学推理任务上将性能提升3个百分点,为开发更可靠的AI训练系统提供重要启示。
这项研究提出了"用生成图像思考"的创新范式,使AI能够通过生成中间视觉步骤在文本和图像模态间自然思考。研究者实现了"原生长多模态思维过程",使大型多模态模型能够生成视觉子目标和自我批评视觉假设。实验表明,该方法在处理复杂多物体场景时性能提升高达50%,为医学研究、建筑设计和刑事侦查等领域开创了新的应用可能。
这篇论文介绍了GRE套装,一个通过精细调优视觉语言模型和增强推理链来提升图像地理定位能力的创新框架。研究团队开发了高质量地理推理数据集GRE30K、多阶段推理模型GRE以及全面评估基准GREval-Bench。通过冷启动监督微调与两阶段强化学习相结合的训练策略,GRE模型能够有效识别图像中的显性和隐性地理指标,在Im2GPS3k和GWS15k等主流基准上显著优于现有方法,为全球图像地理定位任务提供了更准确、更可解释的解决方案。