“华为中国生态伙伴大会举行第一天”
华为企业无线智慧交通再次成为业界热点,通过本次大会诠释面向智慧全联接的新交通解决方案:
• 铁路LTE-R方案,为车地提供宽带无线通信系统,助力实现“交通强国,铁路先行”。
• 城轨LTE-M方案应用于安全生产网已趋于成熟,发展智能运维网实现物联、PIS、巡检等综合业务成为新的智慧城轨发展目标。
• 机场1.8G无线解决方案,一张网络承载宽带地勤调度与eMTC物联,提升业务可靠性及机场服务效率,助力未来机场高效运营。
车路协同、车地高速转储等众多创新解决方案也在本次大会中亮相。
铁路智慧全联接
LTE-R构建全新宽带通信平台
近年来随着运营里程数的快速发展,我国铁路逐渐从高速铁路向智能铁路改变,传统的窄带铁路移动通信系统已经无法满足铁路运营的需求。华为LTE-R解决方案基于成熟可靠LTE硬件平台,为车地提供宽带无线通信系统。除了现有的列控信号,语音集群业务之外,LTE-R解决方案还能提供多媒体调度指挥通信、列车远程监控及铁路基础设施监测、铁路物联网、站场无线通信、旅客服务信息传送等业务,为了进一步保障铁路运行安全,提高运输效率,改善服务质量提供坚实的通信基础。而且,基于GSM与LTE核心网的互联互通,以及终端双模能力,可实现LTE-R与GSM-R业务的平滑切换。
AirFlash智能高速车地无线通信
机车一个交路大约产生30GB以上的6A视频监控数据,目前的人工U盘拷贝转储方式效率低,可靠性差,数据安全风险高;转储视频由人工进行抽检分析,检测效率低,漏检率高、极易出错。华为首创基于AirFlash智能车地高速转储和智能分析解决方案,在机车和闸楼间实现G比特级的高速无线通信,机车监控数据自动对准、自动连接、自动鉴权、自动上传,一个交路的机车视频5分钟内即可全自动完成数据转储,全程无需人工干预,数据完整,安全可靠。AirFlash方案基于华为领先的5G无线通信技术和全栈AI、大数据及完善的铁路行业生态体系,极大提升了机务运用安全和作业效率,已经在铁路西安局和成都局进行了成功应用,为机务安全生产、修程修制改革和乘务员智能化管理奠定了坚实基础。
城轨智慧全联接
安全生产网+智能运维网
城轨安全生产网承载着CBTC、集群等安全业务,对可靠性要求99.999%以上,华为LTE-M城轨解决方案通过双网承载、分级主备、9级QoS、降干扰等核心技术,为全国70多条城轨线路带来安全可靠的生产网络,全面保障列车安全高速前行。
城轨智能运维网则是未来智慧城轨的重要基石:同样基于3GPP标准的LTE-U解决方案,承载着延伸LTE-M网络的使命,可融合更大带宽需求的PIS、CCTV、定位和巡检等众多宽带业务;而基于3GPP标准的eMTC解决方案,承载着深耕LTE-M网络的使命,在1.8G频段打造一张融合物联网,实现资产跟踪、自动抄表、环境检测和接触网检测等众多物联业务。
机场智慧全联接
一张1.8G网络实现
地勤调度与eMTC物联
华为智慧机场eLTE解决方案通过部署一张1.8GeLTE无线专网,不仅解决了传统窄带集群群组受限及干扰问题,也实现了基于专网承载的电子工单、多媒体调度、人车定位、应急处置等业务,极大提升了业务的可用性及可靠性,降低运营风险,提升地勤效率。
华为eLTE机场无线专网同时提供eMTC物联接入能力,满足无动力推车管理、导航灯精准监控、管网积水周期检测等物联业务需求,实现机场智慧全联接,帮助未来机场精准运营,高效运转。
公路智慧全联接
车路协同
智慧全连接在公路交通领域,主要体现在车路协同。网联与智能的结合,智能的车与智慧的路的结合,构建了立体的智能交通体系。智能感知基站融合RSU的通信功能,以及毫米波、激光雷达、摄像头、气象站、LED标志牌等路侧必要信息源,全天候综合感知路面交通状况,获取联网车辆,以及未联网的车辆、行人、动物等影响交通的交通信息,与车辆形成有效互动,使得车辆获取到更丰富的信息,在红绿灯、雨、雪、雾、黑夜、非视距等多场景下作出更为精准的判决。
华为是业界唯一端到端提供C-V2X智能网联车路协同解决方案的供应商,提供包括自研芯片在内的OBU,RSU,V2X server,以及与之配合的蜂窝无线网络和云计算,很快还将推出智能感知基站,搭建从车辆、管道到业务应用的全景式解决方案。近期已经在江苏无锡、北京延崇、上海临港、广东虎门、海南博鳌等地落地,打造标杆项目,加速推动我国智慧高速、智慧交通领域的发展。
超清监控微波回传
华为点对多点微波RTN510,工作在4.91~5.97MHz公共免费频段,可灵活部署视通(LOS)和非视通(NLOS)场景,具备部署快捷、底成本、超大带宽、超强抗扰、环境适应、简易运维和增强以太的特性,成为海量站点的最佳无线传输方式。此外,RTN510也提供点到点解决方案,实现业务汇聚后的长距传输。
华为企业无线致力于通过无线联接一切,构建千行万业的数字化、智能化。面向政府、电力能源、交通、工业园区等行业客户,建立专业和可靠的移动通信平台,承载包含专业集群语音、无线视频监控、宽带数据接入、海量数据采集、铁路专业无线调度和高速列控承载等行业应用,持续提高其运营效率和安全水平,实现基于大数据应用的智能化生产。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。