在实验室进行的 5G 速度测试,就像是跑车进行直线加速赛与普通驾驶员的日常驾驶一样风马牛不相及。正如在伦敦街道上驾驶日产 Note 的司机永远不需要时速 200 英里的引擎一样,普通智能手机用户观看 Netflix、玩游戏、发送消息或访问埃隆·马斯克的社交媒体恐怖屋 (他称之为数字城市广场) 时,也不需要 5.5Gbit/s 的移动服务。况且,这些活动大多是在 Wi-Fi 而非蜂窝网络上进行的。
但这并不妨碍技术开发者不断突破极限。北美最大的电信运营商之一 Verizon 现在声称在实验室测试中"打破"了 5.5Gbit/s 的"速度障碍"。为了证明这一切有多么不必要,Verizon 在其新闻稿中特意加入了一个现实世界的对比:5.5 Gbit/s 的速度足以在一分钟内下载 266 张 Taylor Swift 的专辑。这显然是一个普通人最迫切想要做的事情。
在这个电信新闻通常比较平静的一周里,一些技术细节还是值得关注的。这次测试使用了三星的 5G 网络设备和搭载联发科处理器的设备。Verizon 似乎还结合了来自六个不同 sub-6GHz 频谱通道的频谱 - 这个过程被称为载波聚合 - 来推高速度计的指针。
这次实验室展示也凸显了通用技术的能力,三星在测试中展示了其虚拟无线接入网络 (RAN) 的技术实力。这意味着 5G RAN 软件运行在英特尔提供的通用处理器上,而不是专门为这些 5G 功能定制的芯片上。
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。