CNET科技资讯网 4月12日 北京消息(文/孙斌):随着用户对于网络使用需求的不断增大,原本单纯依靠提升网络带宽来提升服务质量的方式早已无法承受用户日渐增长的需求。于是,软件定义网络(SDN)和网络功能虚拟化(NFV)这对变化的创新技术组合出现了,从而更好的帮助网络运营商提升自身服务质量,成功的将网络带入到21世纪。
近日,专注于软件定义网络(SDN)和网络功能虚拟化(NFV)的网络行业最大开源项目OpenDaylight,在2016年中国SDN/NFV大会上宣布,未来将加强对中国市场的投入和承诺,从而进一步拓展中国市场。
出席本次大会是OpenDaylight今年最新的里程碑事件,标志着其在中国地区正处于快速发展的阶段。执行董事Neela Jacques将在于北京新云南皇冠假日酒店召开的2016年中国SDN/NFV大会上发表主题演讲,重点介绍项目的第四版也是最新推出的Beryllium(铍版),以及项目在本地区的具体贡献。
除此之外,Neela Jacques还表示,ODL正在一个大型的全球社区的推动下飞速发展,目前,大约每6个月便会对平台进行一次更新,未来也将不断推出更新的版本,将继续以化学元素命名。
此次,OpenDaylight社区承诺在中国地区加大投入,带领朝向开源、软件定义网络的转型,帮助实现可互操作的、可编程的网络。SDN优化现有网络以满足当前需要,并且更容易适应需求的变化。因为对于SDN来说并不是只存在一种部署方式,OpenDaylight正在构建一个能够通过任意方式配置的通用平台来解决网络挑战。
通过会员和社区的增长,OpenDaylight看到其在中国的显著发展态势。
据了解,近期,OpenDaylight宣布电子商务和云计算的领先平台阿里巴巴集团加入该项目并成为白银会员。互联网增值服务领先提供商腾讯也在生产中部署了OpenDaylight,阿里巴巴与腾讯共同表达了对开源项目的公开支持和承诺。利用和贡献OpenDaylight项目的中国公司数量不断增长,其中包括华为、联想、瑞斯康达、腾讯、Zenlayer和中兴,阿里巴巴也成为其中一员。
除了发展壮大中国成员企业外,OpenDaylight在中国还成立了四个OpenDaylight User Groups (ODLUGs),让OpenDaylight的用户、开发人员和社区成员进行非正式会面,分享知识、招募并引入新的开发人员、讨论最佳实践和技术挑战,并营造知名度。
今年1月,中国开源SDN(China Open SDN,COS) 实践委员会举办了OpenDaylight社区日活动,吸引了来自中国主要互联网公司、服务提供商和网络设备提供商的领导者参与。活动聚集了近300位业内专家和大学生,共同协作并分享OpenDaylight平台知识。活动之后还组织了为期一周的技术训练营,汇聚了中国业内工程师以及知名大学的学生。
OpenDaylight执行董事 Neela Jacques
OpenDaylight执行董事Neela Jacques表示:“我很荣幸看到OpenDaylight在中国的技术社区中日益赢得青睐并吸引越来越多的人参与。中国的社区成长、以及总体上的开源发展是无与伦比的。这一地区所显现出来的早期技术创新、领导力、大胆的首创精神,以及愿意拥抱开源平台,让人备受鼓舞。”
据了解,Jacques在本周二下午12:20-12:40发表了题为“SDN和NFV的发展:五年展望”(The State of SDN and NFV: 5 Years In)的主旨演讲。OpenDaylight的成员企业阿里巴巴、AT&T、Brocade、爱立信、惠普企业、华为、H3C、英特尔、腾讯和中兴也将出席大会。想要获得更多大会细节,包括OpenDaylight和会员企业的参与。
好文章,需要你的鼓励
北航团队推出Easy Dataset框架,通过直观的图形界面和角色驱动的生成方法,让普通用户能够轻松将各种格式文档转换为高质量的AI训练数据。该工具集成了智能文档解析、混合分块策略和个性化问答生成功能,在金融领域实验中显著提升了AI模型的专业表现,同时保持通用能力。项目已开源并获得超过9000颗GitHub星标。
卢森堡计算机事件响应中心开发的VLAI系统,基于RoBERTa模型,能够通过阅读漏洞描述自动判断危险等级。该系统在60万个真实漏洞数据上训练,准确率达82.8%,已集成到实际安全服务中。研究采用开源方式,为网络安全专家提供快速漏洞风险评估工具,有效解决了官方评分发布前的安全决策难题。
中国电信研究院等机构联合开发的xVerify系统,专门解决复杂AI推理模型的评估难题。该系统能够准确判断包含多步推理过程的AI输出,在准确率和效率方面均超越现有方法,为AI评估领域提供了重要突破。
昆仑公司Skywork AI团队开发的Skywork R1V模型,成功将文本推理能力扩展到视觉领域。该模型仅用380亿参数就实现了与大型闭源模型相媲美的多模态推理性能,在MMMU测试中达到69.0分,在MathVista获得67.5分,同时保持了优秀的文本推理能力。研究团队采用高效的多模态迁移、混合优化框架和自适应推理链蒸馏三项核心技术,成功实现了视觉理解与逻辑推理的完美结合,并将所有代码和权重完全开源。