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
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
时尚零售巨头维多利亚的秘密因安全事件导致网站和线上订单服务中断,已立即启动应急响应、邀请第三方专家协助恢复运营,实体店仍正常营业。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。