6月18日,随着5G-A第一个标准版本3GPP Rel-18在上海正式冻结,标志着5G-A商业化元年的正式到来。
作为相较于5G,5G-A在网络速率、延时、连接密度上再次得到大幅提升,以传输速率为例,突破10Gbps的下行峰值传输速率是5G的10倍。
这样的5G-A,将会应用在哪些关键领域?
全高清视频是5G-A最直接的一个核心应用场景,尤其在人工智能技术的驱动下,全高清体验已经成为一个新刚需,预计到2025年,中国超高清视频产业规模将突破7万亿元。
实际上,随着5G网络建设的推进,我国已经完成全国所有地级市,县城城区的5G网络覆盖,发力高清视频业务已经成为运营商增加其在大视频时代话语权的一条必经之路。
6月25日,在视频体验联盟(VEA) 联合移动视频产业链各方于2024 MWC上海期间举办的“畅享高清中国 AI时代移动视频高质量发展”论坛上,华为无线网络产品线总裁曹明指出:
“AI入端元年碰撞5G-A商用元年,将带来‘联人、联物、联家、联车、联行业’五联升级,催生大量新场景、新应用、新模式,拓展移动产业空间。与此同时,全高清已成为各类业务场景下用户体验的新标准,5G-A以更强的网络能力,满足视听产业逐步多样化的高质量体验需求。 ”
例如,在2023年杭州亚运会期间,中国移动联合华为率先采用5G-A技术,打造了亚运会全高清观赛新体验,这其中的新体验体现在四个方面:高清体验、沉浸体验、互动体验、多维体验。
作为国内三大运营商之一,中国移动在5G-A网络建设方面颇为积极,除了与华为联手打造亚运会全高清观赛体验外,据中国移动市场经营部产品中心产品管理室副总经理杨超在大会上透露,中国移动今年预计会在300个城市开通5G-A服务,与此同时,中国移动也在积极推动5G-A终端面市,预计今年会有20款5G-A终端将会面市。
此外,据论坛上公布的信息显示,目前华为已经有60+运营商与伙伴宣布5G-A商用元年,15+5G-A商用套餐发布,已经包括5G-A 3CC手机、5G-A CPE、RedCap模组等一大批商用终端即将到来。
值得注意的是,全高清视频不仅仅指消费侧的视频观影,在商用领域有着更大的潜力。
联通视频科技有限公司徐文伟在大会上就指出,“全高清视频已经从媒体阶段发展到了基础保障阶段,例如,在远程医疗场景,全高清视频也是一个必不可少的技术,这种场景对全高清质量的需求远高于娱乐场景的全高清视频需求。我们也在考虑如何将全高清与AI的结合从内容体验转变为一种基础技术能力,并将这种基础技术能力更多地应用到医疗、教育、矿山、自动驾驶等场景中。”
本次论坛上,视频体验联盟还联合各方共同发布了《AI时代移动视频高质量发展联合倡议》,倡议号召全行业齐心协力,推动AI与5G-A技术的深度融合,共同探索移动视频产业的高质量发展新路径。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。