据外媒报道,美国多个城市重新推动公共WiFi服务,纽约拟推行酝酿多年的“连接纽约“(LinkNYC)计划,把市内7500个电话亭改装成WiFi热点,打造全球规模最大和最快的城市WiFi网络。
据报道,纽约当局表示,有关计划既可提供公共数据服务,满足市民需要,又可翻新旧式电话亭,活化街道设施。
对此,有市民欢迎该计划,认为公共WiFi可让用户无限上网,无须顾虑电讯服务商的数据上限,但有人担心连接公共网络会导致手机数据外泄。
据悉,每个热点覆盖方圆约150英尺区域,数据传送速度每秒1GB,是一般家居互联网速度的20倍,有关服务主要在户外使用,暂未清楚会否扩展至商业设施及家居。
据悉,包括无线技术开发商Qualcomm在内的企业财团,估计须付出2亿美元安装成本。电话亭的数码广告收益,则由财团与纽约市政府平分,估计未来12年达10亿美元,超出电话亭收入逾一倍。
有专家指出,公共WiFi既可帮助用户节省手机数据用量,也可减少电讯服务商的税项,同时惠及没有本地电话的游客。不过有收费电话公司控告纽约当局,指政府让新财团垄断服务,当局响应称有关安排有法理依据。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。