自4K电视问世以来在,在各大电视厂商力推之下,4K电视机的价格快速下降,普及速度将超出市场预期,越来越多的走入寻常百姓家。而随着4K电视的 普及和热销,直接拉动与之配套的讯号供应器、放大器、电视屏幕以及连接线材的需求,引发这些周边产品厂商也开始摩拳擦掌准备抢进这一波热潮。
日前,全球光纤光缆巨头长飞集团旗下合资公司菲伯尔科技在京举办盛大新闻发布会,正式对外发布全新品牌“FIBBR”,同时首款光纤HDMI高清连 接线全面上市。长飞集团总裁庄丹、威盛全球副总及首席技术长赖瑾等众多嘉宾出席并发表精彩致辞。与会专家表示, FIBBR此举填补了国内光纤产品应用到高清传输领域的空白,作为国产第一条光纤HDMI高清传输线,能够完全满足4K节目源以及高清设备对数据的传输要 求。
威盛全球副总及首席技术长赖瑾在接受专访时表示:“把HDMI通过光传输,这是一个非常好的概念。电视从标清走向高清,下一步4K或超高清已经是一 个必然趋势,选择HDMI作为末端的连接实际上是一个非常好的选择。” 赖瑾同时指出,现在说的4K,今后还有8K,靠铜传就很有问题。而长飞提出光纤传输我认为会有非常大的发展市场,可以满足未来相当长的时间高清传输需求。
长飞集团总裁庄丹表示,在抗弯曲的光纤方面来讲,长飞是世界上做这种光纤做的最好的,这也是为什么我们很多信心推出这个产品。因为未来光的连接的过 程中间,很重要是解决抗弯曲的性能问题。从中国的消费电子产品的发展过去的历史来看,我们还是非常相信这个产品未来一定会很好的满足我们的用户体验,会有 更大的发展空间。
菲伯尔科技CEO汤金宽表示,到2014年1月份,FIBBR在美国、日本、台湾取得发明专利超过10件授权,在申请的超过30件,同时还有若干个 软件著作权,可以说,正是因为传承了长飞和威盛两大母公司的研发优势,FIBBR在光纤传输领域走在了行业前端。FIBBR的目标就是要用光的技术、光传 输的技术,开发给消费者带来最好体验的消费电子产品。
据汤金宽介绍,光纤线材更纤细更轻巧更柔软,相比传统铜线的体积和重量减少高达60%。最重要的是,采用光纤取代铜线作为高速信号传输介质,能够在 较长的距离下无损地传输4K高清图像及高保真的音频。相较于传统铜线, HDMI有源光纤具有更长、更细、更软,信号质量更好,无辐射,不受电磁干扰的优势。
作为国内首款专为终端消费者定制的一款长距离高清传输线,FIBBR更加注重用户体验。汤金宽进一步强调,FIBBR HDMI有源光纤数据线内置微处理器,能够提示用户正确连接及显示设备分辨率。还有非常贴心的设备端照明灯,让用户不再用担心电视机背后黑暗的环境导致总 是找不到HDMI接口。
长芯盛市场销售总监 Mike在接受媒体采访时表示,中国三年五年内20个兆作为普通家庭入户的标配,高清视频就会成为家庭的主要内容,届时连接线就会成为影响视觉感受比较严 重的瓶颈,而集合长飞和威盛两大母公司实力的菲伯尔光纤连接线是符合当前市场走势的。随着光纤代替铜这一步的进展越来越快和越来越密集,光纤连接线在两到 三年之内必定会成为连接线的主力产品。
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。