T-Mobile宣布以大約24億美元收購Verizon無線公司頻譜牌照,并將自己價值9.5億美元的頻譜牌照轉讓給對方。此舉是為了建設LTE網(wǎng)絡。
這23.65億美元主要用于收購Verizon無線公司700MHz頻譜,并且出讓自己的價值9.5億美元的頻譜牌照轉讓給對方。
對T-Mobile這樣試圖追趕Verizon和AT&T 4G網(wǎng)絡建設速度的公司來說,無線頻譜是一種寶貴的商品。700MHz頻譜的信號功率低,建筑物穿透性更好,在農(nóng)村地區(qū)的信號更佳。T-Mobile此番放棄的是更高頻率的AWS與PCS頻譜。
T-Mobile CEO John Legere在聲明中表示:“這是在美國低頻頻譜市場保持優(yōu)勢的一個好機會。”
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。