节能和提高能效,是推动生态文明建设的重要抓手,是推进碳达峰碳中和,促进高质量发展的重要支撑。在全球积极倡导节能提高能效的背景下,中国联通携手中兴通讯持续研究并演进PowerPilot节能解决方案,针对运营商多网多频层网络覆盖场景,全国首发“绿色生成网络”,利用基站内生智能,实时分析处理基站运行中既有的海量用户测量数据信息,在有效保障用户体验和网络性能的基础上,自动识别覆盖频层、容量频层,以基础覆盖网络为底座,网络容量频层/小区按需“点亮”,实现区域内节能平均有效时长增加1.3小时,站点新增节能收益达16.5%,网络容量可实时弹性匹配网络需求;如规模部署,每千站每年可降低300万度耗电,减少3000吨碳排。
中国联通辽宁分公司组织进行效果验证,多方携手在大连完成“绿色生成网络”全国首发,利用基站内生智能,实现基站侧覆盖识别及自配置:由基站通过海量测量报告(MR)的分析和深度学习,完成频层间重叠覆盖自识别与自配置,有效支撑节能功能在网络内深度部署;利用K-Means聚类算法,基站实现用户指纹栅格构建,通过用户栅格位置“事件”记录信息,感知覆盖小区负荷、用户分布及用户需求,按网络实时需求智能“点亮”最小集网络,需求驱动网络容量及能耗,如树木生长般实现网络“绿色生成”,网络节能效率最大化。经外场区域验证实现区域内小区深度休眠平均节能时长从4小时提升至5.3小时,在既有24小时符号关断节能的基础上,新增节能收益达16.5%。
“绿色低碳,节能先行”,中国联通打造精品网络作为经济数字化转型的基础设施,将对我国实现绿色低碳发展和全球应对气候变化合作发挥更佳重要作用。中国联通将继续推动“移动基站绿色运营”,让“智能化”与“绿色化”共同激发网络新活力。
好文章,需要你的鼓励
这项研究介绍了Ankh3,一种创新的蛋白质语言模型,通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务:多掩码概率的掩码语言建模和蛋白质序列补全,使模型仅从蛋白质序列就能学到更丰富的表示。实验表明,Ankh3在二级结构预测、荧光预测等下游任务中表现优异,尤其在模型未曾训练过的任务上展现出强大泛化能力,为蛋白质设计和分析开辟了新路径。
法国波尔多大学研究团队开发了一个突破性框架,用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告,并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法,这一系统能生成透明、有因果关系的解释,同时保持高诊断准确率。研究显示,通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为,包括假设检验和非线性思考,提供与临床决策流程一致的排序诊断结果。
这项研究提出了CLUE框架,首次能够生成自然语言解释来揭示AI事实核查系统不确定性的来源。与现有方法不同,CLUE能识别文本片段间的冲突与一致关系,并解释它们如何影响模型的预测不确定性。实验表明,CLUE生成的解释在三种语言模型和两个事实核查数据集上都更忠实于模型不确定性,用户评价其更有帮助、信息更丰富、冗余更少且逻辑更一致。CLUE不需要微调或架构更改,适用于任何白盒语言模型,为事实核查提供了实用支持。
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。