在剛結(jié)束的3GPP SA2#126會議上,中國電信主導(dǎo)的“基于應(yīng)用感知實現(xiàn)4G與5G互操作”(Study on Application Awareness Interworking between LTE and NR )研究項目立項建議獲得通過并擔(dān)任唯一的項目報告人。
2017年7月,中國電信5G團隊創(chuàng)新提出了保證用戶最佳體驗的前提下實現(xiàn)4G和5G融合發(fā)展的思路,首先在2017年11月向ITU-T SG13提交了“IMT2020(5G)網(wǎng)絡(luò)支持固移融合的業(yè)務(wù)調(diào)度”(Service scheduling for supporting FMC in IMT-2020 network)立項申請并獲得通過。隨后在2017年11月和2018年2月中國電信向3GPP SA2(系統(tǒng)架構(gòu)工作組)提交了“基于應(yīng)用感知實現(xiàn)4G與5G互操作研究”立項建議,經(jīng)過多輪的溝通和協(xié)商,最終獲得通過。該項研究工作對于促進4G與5G網(wǎng)絡(luò)協(xié)同,探索移動網(wǎng)絡(luò)演進創(chuàng)新模式具有重要意義,引領(lǐng)了5G國際標(biāo)準(zhǔn)發(fā)展。
4G是當(dāng)前移動業(yè)務(wù)的主要承載網(wǎng)絡(luò),技術(shù)成熟穩(wěn)定、覆蓋全面深入,能夠滿足當(dāng)前移動寬帶業(yè)務(wù)的需求;而5G通過技術(shù)創(chuàng)新和新增頻譜,支持移動寬帶增強、高可靠低時延、低功耗大連接等多種場景,支持豐富的應(yīng)用以及商業(yè)模式。如何充分發(fā)揮5G技術(shù)優(yōu)勢、合理利用4G已有投資,在保證業(yè)務(wù)能力和用戶感知的基礎(chǔ)上實現(xiàn)網(wǎng)絡(luò)投資與價值最大化,是全球運營商的重要課題。中國電信從網(wǎng)絡(luò)演進和用戶感知的角度出發(fā),在國際標(biāo)準(zhǔn)組織創(chuàng)新提出“基于應(yīng)用感知實現(xiàn)4G與5G互操作”研究建議,希望推動4G和5G的有效融合以及商業(yè)模式創(chuàng)新。
該項目一經(jīng)提出便引起業(yè)界廣泛關(guān)注,得到了全球眾多科研機構(gòu)、運營商及設(shè)備商等產(chǎn)業(yè)鏈伙伴的大力支持。中國電信將繼續(xù)聯(lián)合產(chǎn)業(yè)鏈各方力量,積極推動該項目的研究及標(biāo)準(zhǔn)化工作,為未來5G產(chǎn)業(yè)的發(fā)展奠定良好的基礎(chǔ)。
為了大力促進5G發(fā)展,中國電信在5G關(guān)鍵技術(shù)、網(wǎng)絡(luò)融合和網(wǎng)絡(luò)架構(gòu)層面積極參與5G標(biāo)準(zhǔn)的制定。中國電信在3GPP以及ITU國際標(biāo)準(zhǔn)組織共主導(dǎo)5G國際標(biāo)準(zhǔn)立項23項,提交國際標(biāo)準(zhǔn)文稿300多篇,獲得技術(shù)專利保護139項。以上工作為中國爭取5G國際標(biāo)準(zhǔn)話語權(quán)、保護自主知識產(chǎn)權(quán)做出了積極的貢獻。
中國電信于2017年率先在蘭州、成都、深圳、雄安、蘇州、上海等6城市啟動5G創(chuàng)新示范網(wǎng),2018年計劃將試點范圍擴大,為2019年5G的試商用及之后的規(guī)模商用做好充分的準(zhǔn)備。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。