移动网络、服务和服务测试领域的全球领导者思博伦通信近日发布了其增强版Umetrix?视频解决方案。该增强版方案可对通过移动网络和智能电话提供的流视频服务质量进行测试。这种解决方案使用自然景观统计和机器学习技术,来确定基于标准的视频VMOS评分,可实现与用户感知评分的关联。
传统的方法是评估交付至用户设备的数据包,从而引申出视频的质量,但这些方法往往忽视了视频在移动设备上的编码、解码和显示过程。其它的一些方案则依靠参考视频来用于对比,而且往往需要在智能手机上安装专有软件,因此在许多用例中不切实际。思博伦的解决方案支持任意移动视频服务,可对视频内容本身进行分析,探测其中的各类缺陷,例如过度压缩造成的斑块效果,并且可以在不提前了解原始视频的情况下执行评分。
IHS Markit公司移动基础设施及运营商经济研究及分析执行总监Stéphane Téral说:“主要移动服务商和OTT 服务商正在服务质量方面展开越来越激烈的竞争,而视频内容已经成为客户取向中的一个关键组成部分。随着移动用户消费的视频内容越来越多,视频质量评估和基准测试及方法也变得愈发重要。”
思博伦通信负责产品营销的副总裁Saul Einbinder表示:“我们的移动运营商客户都希望我们为其提供协助,解决对视频服务执行自动化和真实基准测试的问题。现在,智能电话或平板电脑OEM厂商,以及视频服务商都有能力发现网络会对视频性能产生怎样的影响,或视频体验会对网络产生怎样的影响。视频编码解码器技术的演进,正在打破带宽和感知质量之间的传统固定关系。”
思博伦的Umetrix视频解决方案目前已被智能手机和芯片制造商、移动网络运营商和视频服务商广泛用于认定各类设备的质量,并验证其服务的准备情况。全新的Umetrix视频解决方案可帮助这些机构对比其视频性能,探索带宽要求,并对设备和软件更新执行快速回归测试。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。