全球联网汽车及汽车以太网测试解决方案领域的领导者思博伦通信今天宣布,雷诺公司已经选择了思博伦的汽车以太网BroadR-Reach®一致性和性能测试解决方案。该解决方案将用于协助开发下一代车载网络,为驾驶员和乘客提供联网汽车的诸多便利和优势。
面对越来越多的驾驶员所寻求的新特性,目前的车载网络无法提供实施这些特性所需的容量或传输速度。驾驶员辅助特性,例如360°视频相机和先进的驾驶员辅助系统都需要新的联网技术,而此类技术将为用户和制造商提供成本和效率方面的众多优势。
雷诺公司EE架构专家主管Alain Couvreux指出:“雷诺一直跻身技术的前沿,并且不断寻求为驾驶员和乘客提供诸多全新的特性,而这样做的目的正是为了营造出‘生活的激情’。汽车以太网将有助于实现许多新的特性和优势。随着汽车行业逐步采用新的信息技术,并且创造出越来越多的联网汽车,新系统的应用势在必行。思博伦是全球领先的解决方案供应商,为实现更快、更好和更安全的通信和协作做出了巨大的贡献,并且在实施汽车以太网等新技术方面拥有独树一帜的专业能力和创新成果。”
思博伦通信汽车业务部门总经理Pete Nicholson表示:“思博伦与雷诺合作, 验证能及时向汽车用户提供高质量新特性的能力。思博伦的解决方案已被广泛用于IT和电信行业中。今天的汽车行业正在制造越来越多的联网汽车,我们的知识和解决方案将帮助汽车厂商实现未来的汽车之梦。”
思博伦的汽车以太网BroadR-Reach® 一致性和性能测试解决方案,是适用于汽车、系统和设备制造商的解决方案产品组合的一部分,使这些制造商能够将全新的联网汽车特性融入下一代的汽车之中。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。