
思博倫通信(LSE:SPT)今天宣布,中國電信廣州研究院(以下簡稱廣州研究院)和思博倫通信共同簽署合作備忘錄,雙方將就“面向5G應用的大容量、智能化承載網(wǎng)絡測試驗證技術研究”開展戰(zhàn)略合作。廣州研究院蔡康院長和思博倫通信CEO Eric Hutchinson出席簽約儀式并簽署戰(zhàn)略合作備忘錄。
簽約儀式現(xiàn)場圖片
廣州研究院作為中國電信集團公司運營支撐和業(yè)務技術研發(fā)的三大研究院之一,是中國電信集團研發(fā)和創(chuàng)新體系的核心組成部分。思博倫通信作為全球領先的通信測試儀表和測試服務提供商,擁有從有線到無線再到衛(wèi)星通信等全面的測試解決方案,在網(wǎng)絡新技術研究與方案研發(fā)上,一直處于國際領先水平。廣州研究院和思博倫通信在承載網(wǎng)前沿技術領域合作歷史已久,在測試方法學、測試建模等方面成果頗豐,影響深遠。
隨著高清視頻、高頻交易等高端應用對網(wǎng)絡服務質(zhì)量要求的持續(xù)提升,以及5G 網(wǎng)絡uRLLC和mMTC場景的到來,基于5G 的智能網(wǎng)絡技術是一項關鍵基礎研究。面對5G新業(yè)務帶來的技術挑戰(zhàn),雙方希望通過戰(zhàn)略性合作探索更多高 效、智能的測試方法與測試模型,為5G網(wǎng)絡建設與業(yè)務的快速開展奠定基礎。此次戰(zhàn)略合作,廣州研究院和思博倫通信將成立聯(lián)合研發(fā)團隊,在超寬帶精細化承載測試驗證技術研發(fā)、承載網(wǎng)絡可編程技術測試驗證研發(fā)以及用戶面(User Plane)柔性組網(wǎng)OAM測試驗證技術研發(fā)方面展開研究,將面向5G的技術與組網(wǎng)測試驗證推向規(guī)范化、智能化和標準化。廣州研究院蔡康院長指出,“面向5G,廣州研究院與思博倫公司共同努力,在超寬帶承載、承載網(wǎng)絡可編程技術以及用戶面柔性組網(wǎng)OAM等領域開展測試驗證技術合作,可以在測試方法、測試建模、測試標準等方面為5G承載網(wǎng)絡的發(fā)展做出貢獻。我們期待共創(chuàng)5G網(wǎng)絡與產(chǎn)業(yè)發(fā)展的美好未來!”
思博倫通信CEO Eric Hutchinson指出, “我們很高興廣州研究院再次選擇思博倫作為戰(zhàn)略合作伙伴開展5G智能承載網(wǎng)測試驗證技術研究。本次合作,為雙方在戰(zhàn)略性新領域的共同探索開啟了新篇章。中國電信作為全球著名的網(wǎng)絡運營商在網(wǎng)絡運營與業(yè)務發(fā)展方面樹立了典范。思博倫通信將通過對面向5G場景的測試需求分析、測試模型搭建、測試方法標準化等工作,為5G商業(yè)化部署探索有效的測試評估方法,共同推動網(wǎng)絡技術和測試方法學標準化,加速5G的商業(yè)化進程。”
憑借業(yè)界最豐富的5G測試和保障解決方案集合,思博倫通信通過模擬全業(yè)務場景網(wǎng)絡拓撲,實現(xiàn)對網(wǎng)絡設備的多維度、精細化度量。一方面,可幫助網(wǎng)絡運營商和設備廠商降低5G測試的復雜性和成本,簡化新技術驗證和組網(wǎng)方案驗證的實施過程。另一方面,通過推進面向5G場景的測試模型和測試方法的規(guī)范化和標準化,加速新技術的成熟落地及5G創(chuàng)新研發(fā)和新服務的入市速度,推動5G網(wǎng)絡的規(guī)模建設進程。
好文章,需要你的鼓勵
浙江大學團隊提出動態(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、編程等任務上顯著提升推理準確率,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。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升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模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(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。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。