GSA 全球移动供应商协会近期宣布成立了一个专门的 5G RedCap 特殊兴趣小组。这一举措是对近年来物联网 (IoT) 领域低功耗广域网 (LPWA) 技术发展日趋成熟的积极响应。5G RedCap 已成为最适合中速用例需求的技术方案。
基于 5G 新空口 (NR) 标准开发的 RedCap 标准旨在提供平衡的连接方案,使生产更小、更具成本效益的 5G 设备成为可能。这些设备具有更简化的复杂度,能够以经济且节能的方式支持广泛的物联网应用。
GSA 作为全球移动生态系统贸易协会成立的 RedCap 特殊兴趣小组,旨在汇集领先的电信企业,共同追踪、推动和促进 5G RedCap 网络部署、物联网设备连接、FWA 设备和服务发布的生态系统发展。
GSA 强调,运营商必须首先拥有 5G 独立组网才能部署 RedCap。目前全球 5G 独立组网的持续扩展可以作为 RedCap 就绪程度的指标。
截至 2025 年 2 月,GSA 确认有 63 个国家的 154 家运营商正在投资 5G 独立组网。在 2025 年 3 月的一份报告中,GSA 发现有 18 个国家的 26 家运营商正在投资 RedCap 技术,这表明该技术仍处于早期发展阶段。该报告重点介绍了 5G RedCap 的内涵、对运营商的优势,以及增强型 RedCap (eRedCap) 及其在这一新兴领域塑造生态系统的潜力。
GSA RedCap 特殊兴趣小组将汇集生态系统中的各类供应商,共同追踪和推广 RedCap 产品、功能和移动网络的发展状况。
特殊兴趣小组的合作伙伴和成员可以通过 GSA 网站和 GAMBoD 数据库推广他们支持 RedCap 的产品,同时 GSA 研究团队将通过定期的行业报告和网络研讨会支持该小组的工作,分享该技术的全球发展状况。5G RedCap 特殊兴趣小组的创始成员包括爱立信、华为、英特尔、联发科、高通和 Viavi Solutions。
全球移动供应商协会主席 Joe Barrett 表示,现在是整个行业生态系统共同合作,推广、追踪并报告该技术真实状况,共同扩大 RedCap 全球生态系统的时候了。
他说:"5G RedCap 目前仍处于初期发展阶段,特别是在兼容设备和芯片组方面。尽管如此,5G RedCap 未来增长的迹象已经显现。"
Barrett 表示:"5G RedCap 作为中端物联网应用的桥梁,加上基于 LTE 技术的物联网连接提供商的明确需求,预示着一个充满希望的市场。随着 5G 新空口继续在全球扩展,而 LTE 技术的能力逐渐减弱,预计中长期将出现显著增长。由于其较低的设备成本能力,RedCap 还可以支持某些固定无线接入场景。"
GSA 小组的成员资格,包括 RedCap 特殊兴趣小组在内,涵盖了 4G/5G 固定无线接入和专用移动网络等特殊兴趣领域,对所有 GSA 执行成员、普通成员和 GSA 联系成员开放。
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。