不断增加的数据处理和数据传输带宽需求使得业界对更低单位端口功耗、更优性能且更高端口密度器件的需求也在日益增加。博通全新的物理层器件能够将功耗降低30%,并为寻求更优性能及更大带宽容量的企业与服务提供商网络提供更强大的功能设置和灵活的路径兼容迁移路径。
博通副总裁兼物理层产品部门总经理Lorenzo Longo表示:“随着网络带宽与流量需求的不断增加,将产品迁移至更轻巧的产品设计中并大幅降低功耗对于我们的客户来说尤为重要。为此,博通持续加大对相关技术的投资力度,推出了具备领先功能设置的低功耗EDC/LRM 物理层器件。”
基于EDC技术的BCM82780能够通过支持LRM来实现10/40GbE数据传输。此外,BCM82780还能够应对短距离(SR)、长距离(LR)以及超长距离(ER和ZR)光纤接口,更灵活地支持多种高带宽应用。多速率物理层器件能够完美地适用于前板上的单模光纤(SMF)、多模光纤(MMF)或双轴铜缆应用。该器件具有全DSP高速前端,可以为线路卡设计人员在40GbE、10GbE或1GbE系统上提供最佳的性能与灵活性。
主要特性:
上市时间
博通BCM82780现已提供样片。
好文章,需要你的鼓励
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。
德国马普智能系统研究所团队开发出专家混合模型的"即时重新布线"技术,让AI能在使用过程中动态调整专家选择策略。这种方法无需外部数据,仅通过自我分析就能优化性能,在代码生成等任务上提升显著。该技术具有即插即用特性,计算效率高,适应性强,为AI的自我进化能力提供了新思路。
Algoverse AI研究团队提出ERGO系统,通过监测AI对话时的熵值变化来检测模型困惑程度,当不确定性突然升高时自动重置对话内容。该方法在五种主流AI模型的测试中平均性能提升56.6%,显著改善了多轮对话中AI容易"迷路"的问题,为构建更可靠的AI助手提供了新思路。