Openreach 报告称,2024 年其网络覆盖范围新增 420 万户,使总覆盖户数达到 1700 万户。
英国通信管理局 (Ofcom) 的研究表明,随着英国对高速连接的依赖日益增加,全国宽带使用量正在强劲增长,预计 2024 年将达到创纪录水平。研究预测 2024 年英国宽带使用量激增 10.8%,达到历史新高。
Openreach 的这一里程碑意味着超过半数的英国家庭和企业现在可以使用更快、更可靠的宽带。该公司补充说,它正以比英国任何其他提供商都更快、更广的速度建设全光纤网络,每周覆盖 78,000 个新用户。
这相当于一个彼得伯勒大小的城市。在这些安装中,有 430 万户位于更偏远、农村和最难到达的地区,确保了全国各地社区的数字接入得到改善,包括从设得兰群岛最北端的安斯特岛到西南部康沃尔郡外海的锡利群岛。
Openreach 表示,对其全光纤网络的需求也在激增,过去一年订单增长了 26% - 每周约有 68,000 个订单,通过 300 多家服务提供商,包括 BT、Sky、TalkTalk、Vodafone 和 Zen。
Openreach 首席执行官 Clive Selley 表示:"快速、可靠的连接对英国至关重要,我们宽带网络上不断增加的流量证明客户在日常生活中越来越依赖它。"
他补充说:"我们正以前所未有的速度建设网络并连接用户,我为我们的工程师取得的进展感到自豪。我们正在朝着到 2026 年底覆盖 2500 万家庭和企业的目标稳步前进,现在我们的目标是到 2030 年底覆盖 3000 万用户。虽然已有超过三分之一的用户升级了服务,但仍有大量用户可以立即获得更好的连接。那么,为什么不检查一下你是否可以获得更快 - 甚至可能更便宜 - 的宽带呢?"
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。