5月15日,中国联通成功举办科技创新及实践成果发布会,围绕“践行央企责任担当 科技创新自立自强”主题,携手产业伙伴相聚线上,共同发布5G演进创新成果并正式启动技术创新产业合作计划。
中国联通集团公司副总经理买彦州在致辞中表示,立足新征程,在新定位新战略下,中国联通将全面发力数字经济主航道,聚焦“大联接、大计算、大数据、大应用、大安全”五大主责主业,实现发展动力、路径和方式的全方位转型升级。围绕“网络信息安全、三千兆、算力网络、联通智慧大脑、5G应用‘扬帆’”等创新课题,携手产业伙伴面向“网络技术标准”、“核心技术攻关”、“行业应用创新”、“产业生态联盟”等方面聚合能力、融合创新、协同发展,共拓数字经济发展新空间,履行央企科技自立自强使命担当,共筑国家战略科技力量。
中国信息通信研究院副院长王志勤以5G演进助力数字化创新与数字化转型为主题讲述了5G标准能力正持续增强、服务走向精细的趋势,并提出面向5G技术演进发展,需要以行业应用核心需求、定义5G技术产业路标,为规模发展打造升级版。
中国联通科技创新部总经理马红兵立足于中国联通创新驱动战略,简要介绍了中国联通科技创新的着力点及布局方向,并发布了中国联通面向5G演进取得的三大智慧方向创新成果与后续演进方向:智构新视界,通过业务感知与差异化保障技术,实现了500Mbps体验速率与20ms时延的创新成果。面向未来全感官全交互虚实融合极致体验需求,需要通过技术创新实现下行10Gbps网络能力;智享大上行,通过虚拟大带宽和开销合并技术,实现了用户上行感知速率提升50%以上的创新成果。面向未来上行流量大幅增长需求,需要通过技术创新实现上行带宽速率突破Gbps,使能万物智联;智慧超感知,充分利用5G基站MIMO、大带宽等技术特点, 实现了感知精度约10米以及uRLLC 时延4ms@99.999%稳定性的创新成果。后续一方面通过通感一体创新及感知精度提升扩展产业范畴,另一方面通过在智能制造领域的创新实践,将uRLLC时延和稳定性进一步提升,赋能工业场景核心生产流程。
华为无线网络产品线副总裁甘斌表示,回顾过去一年,华为与中国联通在‘智构新视界’、‘智享大上行’、‘智慧超感知’三条新赛道上,坚持核心技术创新攻关,推进帧完整性调度、通感一体等课题在3GPP立项,与行业伙伴一起孵化低空无人机管理、智能制造柔性产线、智慧电网等应用新场景,引领5.5G产业方向。在此基础上,面向2025年5.5G商用,需要围绕‘1+1+N’建网理念,在超大带宽、上行频谱重构、ELAA-MM、绿色空口、内生智能等方向持续技术创新,构建泛在万兆体验和千亿联接能力,探索5.5G商用之路。
中国联通5G共建共享工作组组长苗守野从高速泛在、天地一体、云网融合、智能敏捷、绿色低碳、安全可控六个维度介绍了对5G网络新技术的创新实践与思考;中国联通市场部副总经理尹少春基于联通5G网络优势,分享了5G新通话、5G消息、5G+高清直播、视频彩铃等创新应用的实践成果;中国联通大数据首席科学家范济安介绍了借助5G大带宽低时延能力,推动工业数字化系统智能化发展的创新应用案例;中国联通研究院院长李红五发布了中国联通技术创新产业行动书并联合合作伙伴正式启动技术创新产业合作计划;中国联通研究院副院长魏进武发布了中国联通5G-A uRLLC白皮书和通感一体白皮书。
发布会期间,腾讯未来网络实验室主任兼智慧交通首席科学家张云飞、国家电网浙江省电力有限公司技术专家凌芝等嘉宾分别进行了主题发言,从5G演进赋能实时数字孪生创新发展、通感一体使能智慧电网应用展望等业务领域探讨了5G持续演进方向。
以本次发布会为契机,中国联通将协同产业各方伙伴,凝聚产业共识,共同推动5G演进可持续发展,用数字技术为千行百业“赋能赋智赋值”。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。