今天,数字经济迈入高质量发展新阶段,已成为世界经济竞争格局的战略高地。云、AI、5G等新技术与产业深度融合的“数智时代”下,网络基础设施至关重要。作为行业领先的网络基础设施及解决方案提供商,锐捷网络(301165)在持续发展中推动数字化智变。
行业领先 行稳致远
自成立以来,锐捷网络始终保持稳健发展,成为数字经济的中坚力量。2024年3月IDC发布的最新数据显示,锐捷网络在网络设备领域持续领先,2023年在中国以太网交换机市场占有率排名第三,其中在普教、零售、批发行业排名第一;在中国企业级WLAN市场出货量排名第一,在服务、互联网、教育、通信行业WLAN市场占有率排名第一。在云桌面领域,锐捷网络2023年在中国本地计算云终端市场份额排名第一,中国本地计算IDV云桌面市场占有率连续三年排名第一。
2024政府工作报告指出,继续深入推进数字经济创新发展。适度超前建设数字基础设施,加快形成全国一体化算力体系。要以广泛深刻的数字变革,赋能经济发展、丰富人民生活、提升社会治理现代化水平。在数字经济持续高速发展的带动下,锐捷网络行稳致远的步伐日益坚定。
围绕客户 固本培新
瞄准“世界级产业领导者”的目标,锐捷网络持续打造组织的韧性,围绕“以客户为中心”的核心价值观,培育面向未来的可持续性竞争力,从而在未来充满不确定性的环境中能更加健康、快速地发展。为此,锐捷网络一方面大力加强创新的产品与解决方案打造,一方面积极进行合作生态构筑,在传统优势行业精耕细作、在新市场加足马力扩大覆盖。
创新产品方面,2024年,锐捷网络发布了基于LPO(Linear-drive Pluggable Optics,线性驱动可插拨光模块)技术的400G和800G自研光模块,展示了在高速光通信领域的强大技术实力。与普通光模块相比,LPO光模块功耗下降50%、客户成本降低25%、时延缩短90%,助力绿色数字经济走上快车道。在国际市场,专为室外等严苛环境打造网桥产品,打开了全新市场空间。
合作生态方面,锐捷网络与联想集团达成战略合作,通过在技术创新、产品研发、资源协同及销售等领域的全方位合作,共同为中国本土客户提供全栈式、更高效、系统性的基础设施产品、服务及解决方案,加速推进行业智能化变革。
市场层面,锐捷网络自2024年以来先后参与世界移动通信大会(MWC)、光网络与通信研讨会及博览会(OFC)、中华医院信息网络大会、高等教育博览会、教育装备展示会等国内外顶级行业峰会,与各行业用户深入交流,加速创新成果的市场转化。国内市场得到进一步深入,与阿里巴巴、腾讯、字节跳动、百度等互联网客户持续深度合作,交付智算网络数据中心交换机产品;国际市场覆盖进一步扩大,创新产品方案进入90余个国家和地区,为全球用户诠释中国创新的活力。
在数字经济的浪潮中,锐捷网络将继续坚持“以客户为中心”、坚持创新驱动发展,围绕客户需求固本培新,以更加优质的产品和服务,推动数字化智变发展,让数字经济惠及全民。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。