在2024 MWC上海期间,华为董事、ICT产品与解决方案总裁杨超斌发表了“以智赋网,跃升网络数智生产力”主题演讲,分享了以生成式AI为代表的人工智能技术给通信网络带来的新机遇和新需求,探讨了通过对数字化、智能化技术的融合创新应用和实践,加速网络迈向高阶自治,使能网络数智生产力的跃升。
华为董事、ICT产品与解决方案总裁 杨超斌
杨超斌表示:“通信产业拉开了5G-A元年的序幕,同时生成式AI取得了突破性进展。可以预见,AI作为网络自动化的根技术之一,使能电信行业迈向高阶自治是必然趋势,是支撑5G A商业成功的重要因素。”
当前,生成式AI正在重构信息的生产、处理、传递和交互方式,为移动AI时代注入新动能,带来新流量、新连接、新业务的巨大发展机遇,同时也对差异化业务体验经营、网络自动化运维能力提出了更高的需求。基于对自研通信大模型的融合应用,华为升级自动驾驶网络解决方案,打造面向5大角色的Copilots(智能助手)及 5类场景的Agents(智能体),实现在业务使能、网络维护、体验保障三个维度的价值跃升。
Copilots面向NOC(Network Operations Center,网络操作中心)、客服、现场维护、家宽装维工程师及家宽用户五类角色,重塑人机交互协同模式,提供智能知识问答和辅助运维,大幅提升作业效率及降低人员技术要求。
Agents面向网络维优营的五类高价值场景,基于设定策略,自动拆解复杂任务、流程编排及调用工具与接口,实现场景自治,显著提升运维运营效率及体验。
Copilots及Agents正在创新应用中凸显智能化商业价值,杨超斌在大会上对包括故障管理、无线网优、企业园区专网等典型价值场景实践进行了分享。
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。