生命周期服务保障及网络自动化解决方案领域全球领先的供应商思博伦通信宣布,正式启动全新的TM论坛Catalyst项目 - 客户体验质量自动优化。该项目侧重发挥网络自动化的作用,帮助运营商优化用户的体验质量(QoE),并实现运营效率的大幅提升。面对实现这些目标过程中所面临的挑战,包括AT&T、TIM和KDDI在内的多家一线运营商都已签约成为该Catalyst项目的发起成员。
思博伦通信生命周期服务保障事业部业务发展总监兼Catalyst项目主管Tom Russo指出,“运营商正面临日益严峻的压力,它们既要保持力压OTT竞争的质量优势,同时还要大幅降低自身的运营成本。Catalyst项目演示通过深入集成客户体验分析、自动化和机器学习技术,使这些原本相互冲突的目标得以最终实现。该Catalyst项目的重点将放在自动化用例方面,并有可能实现每年每位用户节省至少2美元年度运营支出的目标。而这意味着将为多家运营商节省数百万美元的成本,同时还可大幅提高客户的满意度。”
Analysys Mason公司首席分析师Anil Rao认为:“运营自动化将成为电信运营商取得未来的支点。如果电信运营商提供出色的客户体验,实现网络的虚拟化,发布基于5G和物联网的创新型服务,将在竞争中占取优势。”
5月14日至16日,在法国尼斯举办的数字变革世界(Digital Transformation World)(即过去的TM Forum Live!)大会上,客户体验质量自动优化项目的初期成果,连同DEMO,将被呈现在公众面前。该Catalyst项目的参与方包括思博伦通信、KDDI Research和NetYCE。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。