宽带频率梳确保同一条光纤里面的多个通信信道之间的串扰是可以消除的。
长期以来,光纤存在的重大问题之一就是,你给信号添加的能量越大――以便让信号传输得更远,遇到的失真就越严重。而这种失真会降低数据质量。
这之所以是个问题,就是因为理想情况下你希望光纤能够远距离铺设。铺设一条长长的光缆其成本要低于铺设多条光缆以及使用添加的中继器,而后者就是如今通常采用的做法。
解读12000公里外的数据
不过科学家们认为,他们已找到了一种解决办法。
加州大学圣迭戈分校的研究人员表示,他们已经能够在不使用中继器的前提下,将数据沿着12000公里长的光纤发送出去,却仍能够解读12000公里开外的信息。
不过他们确实使用了标准的放大器。
然而他们表示,他们的实验证明你可以消除成本高昂的再生中继器。他们是通过失真消除技术做到这一点的。
这个光子学研究小组在学术研究杂志《科学》上发表了研究成果。
可预测的串扰
这个概念异常简单。研究人员认为,串扰引起的信号失真是可以预测的。该大学在官方网站上的一篇文章中声称,因而,信号失真“在光纤的接收端应该是可以消除的”。
串扰是指光缆中多个信道之间出现的干扰。一条电路中传输的信号会对另一条电路产生影响――信号会溢出来。研究人员表示,他们知道这种影响,所以能够消除影响,因而消除失真。
预失真波形
该光子学研究小组使用物理原理取得了成果。预失真波形印在始发端生成频率梳的载波上。然后,在光缆输出端恢复毫无未损的信息。
高通研究所的研究科学家Bill Kuo说:“我们抢在会出现在光纤里面的失真影响之前及时行动。”Kuo负责频率梳研发,也是该研究小组发表在《科学》上的论文的作者之一。
消除技术
消除技术总体上变得更常见。一些科学家正在试用算法来消除无线电中的自干扰现象。
这种情况下,这是成本较低的处理能力,头一次允许运行更复杂的数学运算和公式。算法变得更容易获取。
无线电
那些主攻无线电领域的科学家正在研制自干扰消除技术,以便更有效地利用频谱。其想法是,如果你能预测传输如何受到其自身干扰的影响,就能消除并杜绝干扰。
多年来,噪声消除耳机技术就运用了这个基本概念。耳机听到不需要的噪声后,不同步地模拟噪声,然后消除噪声。
宽带梳
以光纤串扰消除为例,宽带频率梳可以对同一光纤里面的串扰进行消除。
高通研究所的另一名研究科学家、论文作者之一Nikola Alic说:“如今的光纤系统有点类似流沙。就流沙而言,你挣扎得越厉害,就会下沉得越快。”
如果使用传统的“光纤而言,到了一定程度后,你给信号添加的能量越大,遇到的失真就越严重,这实际上阻止人们将光纤铺设得更远。”
新的研究成果一旦付诸实践,有望解决这个问题,因而不需要在光纤链路上沿路安装电子再生器(又叫中继器),因而可以节省一大笔成本。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
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。