5G会带来什么?对于个人消费者来说,更快的速度、更好的网络体验是最先感受到的,也是他们最为关注的。事实上,5G首个标准R15的诞生,聚焦的正是增强型移动宽带(eMBB)的商用需求,其目的就是提升用户的高速联网应用体验。
在刚刚过去的MWCS18上,英特尔展现了从5G的“端”侧帮助合作伙伴进行5G网络体验的创新与提升。在多个合作伙伴的展台,这种体验和展示都吸引了众多观众的驻足,他们迫不及待地想提前接入到5G时代,体验前所未有的“快”感。
首个基于SA系统的5G视频全息通话
MWCS18上,中国移动展示最抢眼的活动,就是联合包括英特尔在内的多家合作伙伴发起“5G SA起航行动”,并打通了全球首个基于SA系统的5G视频全息通话,这种通话是未来最具代表性的5G业务之一,当它拨通的那一刻,引起了在场观众的欢呼。
图一、英特尔助力中国移动打通首个基于SA系统的5G视频全息通话
这一成果标志着5G独立组网技术取得重大突破,其背后离不开英特尔的移动试验平台(MTP)的支持。此前英特尔与华为、爱立信等多家网络设备提供商开展了符合3GPP SA标准的5G新空口互联互通测试(IoDT),测试系统采用了英特尔5G移动试验平台原型以及合作伙伴的新空口基站。
在两周前英特尔与华为完成的5G互操作性开发测试中,实现了单用户下行峰值高达Gbps级。全息视频通话业务完成业界首个网络与终端的对接,则意味着最新标准的全协议栈、全信道与全流程业务实现打通。
“头号玩家”式的5G VR云游戏体验
5G将把MBB移动宽带业务推向新高度,受益最明显的应用或者说是业务还包括了游戏。5G能让游戏发烧友们像“头号玩家”一样,享受到更逼真沉浸式的体验。本次MWCS上,英特尔就与诺基亚支持中国电信演示了5G云化VR游戏。利用英特尔移动试验平台、诺基亚AirScale Cloud RAN以及中国电信边缘数据中心云平台,游戏玩家的设备和云端可通过高带宽、低延迟的5G网络互联,计算和渲染完全可在云端完成,从而带来极致的VR体验。
图二、英特尔与诺基亚支持中国电信展示的5G VR云游戏
英特尔为这一现场展示贡献的关键技术也是其业界领先的5G MTP,作为进行早期5G设备创新的基础,MTP可用于快速完成5G端到端异厂商的互操作测试。英特尔5G MTP内置了英特尔高性能处理器与FPGA,来支持先进的5G特性与频段组合,其中包含Sub-6GHz以及高频毫米波(mmWave)。如上述首个5G视频全息通话的打通一样,一线运营商已经开始使用英特尔的MTP进行5G网络测试。
加速推动5G终端预商用
此外,为了推动5G终端预商用,以及形成更加成熟的5G终端产业生态,在此次MWCS上,英特尔还与中国移动签署了“5G终端先行者计划”合作备忘。英特尔承诺将推出支持NSA和SA的5G终端芯片样片用于测试,并推出符合中国移动标准的成熟的5G预商用终端芯片。英特尔将以此为基础,支持手机客户开发可满足中国移动市场需求的5G智能手机,并计划将5G产品应用于全互联PC、网关、汽车等各种互联网和物联网终端设备。
图三、英特尔与中国移动签署“5G终端先行者计划”合作备忘
值得一提的是,此前英特尔与紫光集团旗下核心企业紫光展锐还达成了5G全球战略合作,双方将面向中国市场联合开发搭载英特尔5G调制解调器的全新5G智能手机平台,并计划于2019年时,与5G移动网络的部署同步,将新平台推向市场。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。