近日,中國領(lǐng)先的網(wǎng)絡(luò)服務(wù)整體解決方案提供商藍(lán)汛國際控股有限公司(納斯達(dá)克:CCIH,下文簡稱“藍(lán)汛ChinaCache”)與諾基亞通信共同簽署諒解備忘錄。這一備忘錄內(nèi)容包含了一系列與Liquid Applications和內(nèi)容交付網(wǎng)絡(luò)(CDN)有關(guān)的共同開發(fā)目標(biāo)。未來,兩家公司將達(dá)成戰(zhàn)略合作,為中國移動運(yùn)營商提供下一代CDN解決方案。這是中國目前第一個基于4G無線網(wǎng)絡(luò)的移動互聯(lián)網(wǎng)解決方案。
隨著2013年底中國4G牌照的發(fā)放,未來國內(nèi)移動網(wǎng)絡(luò)將迎來數(shù)據(jù)量的迅猛增長。這為運(yùn)營商網(wǎng)絡(luò)提出了嚴(yán)峻的挑戰(zhàn)。藍(lán)汛ChinaCache與諾基亞通信的合作,將增強(qiáng)移動互聯(lián)網(wǎng)內(nèi)容加速和內(nèi)容個性化的性能,提高定位和參照服務(wù)的可用性,并為用戶行為和網(wǎng)絡(luò)實時狀況提供感知服務(wù)。
藍(lán)汛ChinaCache 創(chuàng)始人兼首席執(zhí)行官王松表示:“利用藍(lán)汛的移動CDN技術(shù),運(yùn)營商能夠在基站上對內(nèi)容進(jìn)行緩存和有效處理,這不僅提高了網(wǎng)絡(luò)的傳輸效率,同時還節(jié)約了成本。此外,運(yùn)營商還可以通過這一技術(shù)開拓新的業(yè)務(wù)模式。通過與諾基亞通信的合作,藍(lán)汛進(jìn)一步推進(jìn)了移動加速技術(shù)的創(chuàng)新,優(yōu)化了國內(nèi)的移動網(wǎng)絡(luò)環(huán)境,在4G時代有效減少了運(yùn)營商的資本性支出(CAPEX)和運(yùn)營成本(OPEX),并提高了運(yùn)營商的經(jīng)營收入。借助這一合作的技術(shù)優(yōu)勢,互聯(lián)網(wǎng)內(nèi)容服務(wù)商可以提高4G用戶的使用體驗,打通移動網(wǎng)絡(luò)的最后一公里。”
Liquid Applications是諾基亞通信Liquid Broadband組合的三大支柱之一,其從根本上改變了個性化服務(wù)的定義。運(yùn)營商能夠以更加獨特的視角增強(qiáng)與用戶的聯(lián)系,并洞察到用戶的服務(wù)偏好和使用量。對Liquid Applications移動邊界計算能力的整合,使得運(yùn)營商能夠制造出創(chuàng)新性且令人興奮的內(nèi)容、應(yīng)用和服務(wù)。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機(jī)制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。