据Point Topic的数据显示,2012年宽带用户数增长了8.6%,达到6.438亿。其中光纤宽带接入网络用户数量去年猛增,FTTx用户数增速高达 27.5%,达到1.144亿;FTTH用户数达到1931万,增长了20.3%。然而,2012年全球固网宽带用户的增速仅仅只有2008年的一半,增 势明显放缓。分析认为增长放缓的原因包括,一些运营商把重点转移到挽回流失客户而非开发新客户,同时,经济大环境的低迷也是重要的制约因素。
不过,由于光纤网络的大势所趋,2012年FTTx和FTTH用户占比均超过了20%。LightCounting预测,FTTx用户数2013-2018大约以每年10%多稳步增长。但是对FTTx 光器件和光模块的预测却更保守。
LightCounting预计,2010-2012年ONU收发器(不是ONT端口)的出货量是FTTH净增用户数的2倍多。一小部分ONT端口 用来支持FTTB设施,但是有可能有极大部分FTTx连接已经安装,只是没有投入使用。这一问题2010年就已经被提出,但是FTTx市场继续在2011 和2012年增长,一些厂商称其在2013年前期需求平稳,不过这一热潮还能持续多久不得而知。
宽带接入市场的竞争日趋升温。就新增宽带用户数而言,美国有线电视运营商和电信运营商的比例是4比1。全球电信运营商说他们的IPTV用户数增长了 近40%(2012年增长到8千万)。大肆炒作的Google宽带计划在美国继续使老牌运营商如惊弓之鸟,在奥斯汀,德克萨斯Google宣布计划提供 1Gbps接入服务,AT&T被迫对客户做出相应有竞争性的服务。不管谁给终端客户提供宽带,提速和这些接入数量的增加是电信行业长远利益的重 要指标。有线宽带接入就像一棵树的根。它们必须在冬天蕴藏力量以保证春天的生长。
无线宽带基础设施2012年发展很快,到2012年底,接近150个LTE网络运营在67个国家。2013年运营的LTE网络数量预计将增加到250个。用于无线基础设施的光收发器市场目前发展平稳,但这部分市场正蓄势待发,相信将会得到快速增长。
据Infonetics Research统计,2012年第三季度,全球运营商LTE设备销售数量同比增长131%。Gartner公司预测,全球LTE基础设施RAN(无线接 入网)和EPC(4G核心网)市场规模将由2012年的41亿美元增长到2016年的211亿美元。在此期间,LTE设备市场年均增速将为58.5%,并 成为移动网络基础设施领域增长最快的市场。Infonetics Research公司预计,全球LTE设备市场在2015年将达到175亿美元,占2G/3G/4G网络基础设施市场的1/3。而中国LTE基础设施市场 在2013年至2017年间将以38%的年复合增长率(CAGR)增长。
好文章,需要你的鼓励
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。
这项研究提出了"思想家"(Thinker)任务,一种受人类双重加工理论启发的新型AI训练方法。研究者将问答过程分解为四个阶段:快速思考(严格预算下给出初步答案)、验证(评估初步答案)、慢速思考(深入分析修正错误)和总结(提炼关键步骤)。实验表明,该方法使Qwen2.5-1.5B模型的准确率从24.9%提升至27.9%,DeepSeek-R1-Qwen-1.5B模型从45.9%提升至49.8%。显著的是,仅使用快速思考模式就能达到26.8%的准确率,且消耗更少计算资源,证明了直觉与深度推理作为互补系统的培养价值。
这项由ELLIS研究所和马克斯·普朗克智能系统研究所的科学家进行的研究,揭示了大语言模型安全测试的根本规律:越狱攻击成功率由攻击者与目标模型间的能力差距决定。通过评估500多个攻击者-目标组合,研究团队发现:更强的模型是更好的攻击者;当目标能力超过攻击者时攻击成功率急剧下降;社会科学能力比STEM知识更能预测攻击成功。基于这些发现,研究者建立了预测模型,表明随着AI进步,人类红队测试可能逐渐失效,提示需要发展自动化安全评估方法及更全面地评估模型的说服和操纵能力。