5G的出现,势必会带来对更高移动网络连接速度和更大数据容量的需求。为了应对这一提升性能的需求,就需要新的基站技术。
基站是所有移动网络必须克服的一个瓶颈。也正是这个瓶颈,将目前的4G网络限制在50Mbps的平均峰值数据速度内,并阻碍它实现真正的实时传输。
相反,5G或许能实现实时无线通信,并实现10Gbps的最大数据速率。
德国弗莱堡的弗劳恩霍夫应用固体物理研究所(Fraunhofer Institute for Applied Solid State Physics)声称拥有“扩大这一瓶颈的技巧”。
弗劳恩霍夫应用固体物理研究所研究人员目前正在开发新型功率放大器,能比当前4G技术以更快的速度发送更大量的数据。
这些新型功率放大器能利用高达6GHz的额外无线频率;相比之下,LTE则限定在2.7GHz。
但是,尽管这些高频率能实现更快的数据传输,同时却也更难有效地提供更高功率。
因此,劳恩霍夫IAF的科学家们开始利用氮化镓(GaN)构建更适合于更高5G频率的射频电源发送器。
劳恩霍夫IAF的Rüdiger Quay博士解释道:“由于氮化镓特殊的晶体结构,同样的电压可以在更高的频率中实现,从而带来更高的功率和更好的效率性能。”
加上能为用户提供高精确度数据服务的新型电子转向天线,5G网络能处理比当前高达200倍的数据传输量,而无需大幅度增加功率消耗。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。