至顶网网络频道 02月27日 编译:AT&T在本周举行的世界移动通信大会(MWC)上宣布,将与微软进行合作,将其5G网络的网络边缘计算功能与微软Azure云服务进行整合。
AT&T解释说:“我们正在测试通过在靠近商业站点的特定地理位置部署高级云服务来大幅缩短延迟并改善用户体验的能力。”
AT&T表示,该解决方案对于零售、医疗、公共安全、娱乐和制造等行业和物联网(IoT)用例来说非常重要,因为它可以为企业提供更低的延迟、更高的计算能力以及网络路由,并且无需本地硬件。
“我们的合作将为让微软Azure云服务通过AT&T全国无线网络连接美国境内更多客户和设备铺平道路,”微软Azure网络副总裁Yousef Khalidi这样表示。
“我们两家公司正在共同努力,实现设备爆炸式增长和边缘计算生成大量数据所需的低延迟连接。”
AT&T正在使用无人机测试Azure的网络边缘计算能力,并与以色列初创公司Vorpal在位于德克萨斯州普莱诺的代工厂展开合作。
Vorpal的VigilAir产品可以实时检测和定位无人机,可供执法机构和机场使用。
“使用通过Plano AT&T测试环境提供的Azure云服务,运行他们的VigilAir应用,并使用AT&T LTE和5G网络连接他们的无人机跟踪传感器,Vorpal可以实现所需的低延迟和计算可扩展性,” AT&T表示。
此外,AT&T还在这次MWC上宣布与Vodafone Business合作开发面向汽车领域的物联网应用,包括安全、安保和娱乐。
双方表示,将开发5G和自动驾驶汽车技术的联网汽车解决方案,车辆到一切(V2X)功能,车载娱乐,联网汽车应用和服务,全球服务质量模型,联网汽车和智能城市的交汇点。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。