全球通信技术公司爱立信与日本 IT 企业和通信运营商软银(SoftBank)宣布在探索基于人工智能(AI)的无线接入网络(RAN)融合架构方面合作,以提升双方现有网络的优化和性能。
爱立信和软银与其他公司共同组建了人工智能-RAN 联盟,该联盟旨在将人工智能融入蜂窝技术,从而推动 RAN 技术和移动网络的发展。
爱立信和软银表示,作为合作项目的一部分,两家公司将探索共同的网络和计算基础设施服务,使人工智能和 RAN 能够在相同的网络基础设施上运行,最终目标是利用人工智能的力量提升网络效率,进而为通信服务提供商提供新的应用场景。
两家公司还将联合开展技术经济分析、开发原型并进行实验室演示,以优化边缘计算的 RAN 和人工智能的融合。
合作计划还将重点关注硬件分区、工作负载分配和不同硬件平台之间的软件可移植性。
两家公司将共同探索的关键领域包括优化人工智能与无线局域网的融合、人工智能与无线局域网的共存以及工程演示。
具体来说,他们将着眼于优化架构,以支持人工智能和 RAN 在边缘协同工作,重点是集中式 RAN,包括评估共享硬件人工智能和 RAN 处理的利弊。
人工智能和 RAN 的共存将涉及人工智能和 RAN 应用程序之间的硬件管理和工作负载共享,而工程演示将测试在同一硬件基础设施上运行 RAN 应用程序和人工智能引擎的可能性,以观察二者如何共享资源。
爱立信执行副总裁兼业务领域网络负责人 Fredrik Jejdling表示,“我们期待与软银合作,在人工智能和 RAN 基础设施的潜在融合方面进行探索。这进一步证明了我们对创新和卓越的承诺,我们相信这将促成新的解决方案,使通信服务提供商能够构建更加开放、高效和多功能的网络。”
软银公司执行副总裁兼首席技术官 Hideyuki Tsukuda 补充表示,“我们公司欢迎与爱立信的这一新合作,这与我们在人工智能基础设施的投资战略是一致的,人工智能基础设施可以实现 RAN 的叠加和优化。此次合作体现了我们利用人工智能提升通信网络的愿景,并为与关键行业伙伴的合作提供了机会。”
好文章,需要你的鼓励
这项来自新加坡国立大学等机构的研究引入了REASONMAP,一个用于评估多模态大语言模型细粒度视觉理解能力的基准测试。研究团队使用来自13个国家30个城市的高分辨率交通地图,构建了1,008个问答对,设计了两级评估框架测量答案的正确性和质量。对15个流行模型的评估揭示了一个意外发现:开源领域的基础模型表现优于推理型模型,而闭源模型则相反。研究还表明,当视觉输入被遮盖时,模型性能普遍下降,证明真正的细粒度视觉推理任务仍需要有效整合多模态信息。
Nvidia公布2026财年一季度业绩,营收441亿美元,同比增长69%;新AI超算与显卡产品陆续亮相,尽管出口管控对H20业务造成影响,但整体AI市场前景依然乐观。
Cerebras WSE 芯片拥有 40 亿晶体管,推理速度达到 NVIDIA 集群的约 2.5 倍,刷新了全球 AI 推理速度记录,为复杂 AI 代理应用提供高性能计算支持。
这项研究提出了"B-score",一种新指标用于检测大语言模型中的偏见。研究人员发现,当模型能看到自己之前对同一问题的回答时(多轮对话),它能够减少偏见并给出更平衡的答案。B-score计算单轮与多轮对话中答案概率的差异,无需外部标注即可识别有偏见的回答。实验证明,将B-score用于回答验证可显著提高准确率,在标准基准测试上平均提升2.9个百分点。这一发现不仅提供了实用工具,还表明大语言模型具有自我纠正能力。