随着5G在全球各地的蓬勃发展,人们的目光现在正从室外环境转向室内,因为室内的接收可能是一个问题。为了满足室内的连接要求,例如零售环境中的连接,爱立信及其合作伙伴Proptivity已经推出了共享室内5G无线接入网络(RAN),这两家公司表示这是世界上首个由中立主机主导的解决方案,可提供高达1.2Gbps的下载速度。
这个由Ericsson Radio Dot System支持的室内5G小基站解决方案部署在斯德哥尔摩中心的一个旗舰购物中心和写字楼联合体中——一个位于Östermalmstorg的顶级物业,由Fastpartner拥有并管理——据说可以保证大楼内任何地方的高速5G连接,即使在高峰时段也是如此。
据称,它能够为Åhlens这样的零售租户提供他们所需的容量,为购物者提供卓越、无缝的移动体验,同时支持未来5G用例(如增强现实购物)对数据不断增长的需求。
爱立信进一步说明指出,购物中心是繁忙的公共空间,带来了连接方面的挑战,例如确保室内空间的所有用户获得同样质量的服务——无论他们使用的是哪家通信服务提供商。
爱立信和Proptivity之间的战略合作旨在实现中立主机的室内5G网络——允许一个或多个通信服务提供商(CSP)使用该基础设施为其客户提供服务——为高性能的室内网络提供多运营商、多厂商的移动解决方案,每千兆字节的成本低于传统解决方案。
据称,Radio Dot System通过类IT安装和紧凑的组件,最大限度地减少了对建筑基础设施和操作的干扰。主要产品包括Indoor Radio Unit 8848和Radio Dot 4453。与传统的分布式天线系统(DAS)相比,这种可共享的解决方案还被认为可以将功耗和设备占地分别降低70%和80%,这对业主来说都是重要的标准。
大楼里的其他租户和公司也将从高性能的室内5G网络中受益。据信企业租户可以为客户和员工提供无缝、安全的连接,而且不需要进行Wi-Fi登录。办公室也可以为未来工作场所的连接需求(如5G笔记本高速互联网连接)做好准备。本地运营商3 Sweden是首家连接到该共享室内5G网络服务提供商。
爱立信产品区域网络主管David Hammarwall评论表示:“Proptivity使用爱立信室内5G网络解决方案的这一里程碑标志着室内空间向新的商业模式转变,在室内5G部署方面,中立主机和企业越来越多地挑大梁。”“这一发展凸显了对高性能室内及室外5G日益增长的需求。”
Fastpartner的副首席执行官Christopher Johansson说: "我们认为5G是我们的租户及我们自身持续数字化的一个关键创新平台。它可能会创造许多我们今天还看不到的机会。我们选择与Proptivity合作,因为他们与爱立信一起提供了强大的5G解决方案,从技术角度满足我们的需求,以及我们相信的简单商业模式。"
3 Sweden公司首席执行官Haval van Drumpt补充表示:“我们非常高兴能成为首家连接到这个开创性室内网络的运营商。通过创新性的商业模式和Ericsson Radio Dot System之类能够实现网络共享的高性能解决方案,电信行业可以更容易地为商业建筑提供大容量的室内5G,并更快地提升瑞典的数字化水平。”
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。