近日,主题为“Hand in hand,Co-creating Infinity”的2024年锐捷网络EBG(企业级网络事业群)全球合作伙伴大会在福州拉开帷幕。来自世界各地的合作伙伴齐聚一堂,探索未来无限可能。
2024锐捷网络EBG全球合作伙伴大会召开
锐捷网络总经理刘忠东(Zhongdong Liu)对参会的合作伙伴致以诚挚的感谢。他回顾了锐捷网络与合作伙伴们一路走来取得的成就,并重申了拥抱全球市场的决心。在走向国际的道路上,锐捷将为全球客户提供更有价值的创新方案和更优质的服务,与更多合作伙伴建立牢固友谊,携手拥抱广阔未来。
锐捷网络总经理刘忠东为会议致辞
锐捷网络EBG国际营销与渠道部总经理许云岚(Happy Xu)发表了主题演讲。她深入诠释了锐捷如何围绕“以客户为中心”的核心价值观,在整个客户生命周期中,建立长期稳定的客户关系,以实现客户成功和可持续业务增长。基于此,除了持续围绕客户需求提供创新的产品和解决方案,还要共建生态系统、共创机遇,竭力为伙伴们提供超出期待的合作体验。锐捷期待与合作伙伴们基于信任共同创新,携手同行、充分发挥双方优势,共同创造充满无限可能的未来。
EBG国际营销与渠道部总经理许云岚发表主题演讲
锐捷网络EBG国际产品业务总经理陈秋植(Loky Chen)介绍了面向国际市场适配多元化场景下业务需求的最新产品及方案。SOE解决方案升级至 3.2版本,以领先的光电性能、简化的认证系统以及智能化的运维管理为更多行业赋能。会上同时发布了能够给合作伙伴带来更大价值的新一代Wi-Fi 7产品,以及面向下一代AI云服务,兼具高吞吐、大带宽、高可用的AIGC智算中心网络解决方案。
EBG国际产品业务总经理陈秋植发布最新产品方案
会中,合作伙伴们围绕创新话题开展探讨,并对合作的重要性达成了共识。客户的问题存在于不同的行业需求中,合作才能实现有效的创新。锐捷与合作伙伴们不止步于眼前的问题解决,而是着眼未来需求,共同扩大竞争优势,携手获得强劲增长。
新投入运营的锐捷数字化智能工厂给合作伙伴们留下了深刻印象。智能制造、5G互联、绿色制造的理念在智能制造中深度融合,以极简以太彩光为代表的锐捷解决方案为生产、办公、仓储、物流的全过程提质增效,支撑着高效管理和先进工艺的实现,为全球客户献上更高品质、更快交付的产品。
合作伙伴在数字化智能工厂参观交流
合作伙伴们还在福州大学进行了数字校园建设的参观考察。自2005年开始,锐捷以适应教育教学需要、不断迭代的创新方案,陪伴福州大学走过了可持续发展的数字校园建设之旅。在这个校园网已经实现全面升级改造的高校里,锐捷方案帮助学校运行更加高效、教师的“教”和学生的“学”更便捷。
“这次会议是一次开阔视野的经历,”一位合作伙伴表示:“亲眼见证锐捷先进的技术创新和对合作的重视,我有信心与锐捷加强合作关系并共同探索新的可能性。”
在创新、合作和共赢的理念下,锐捷将与合作伙伴们携手踏上创造无限可能的未来旅程。
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。