隨著移動技術(shù)的發(fā)展以及消費者們對數(shù)據(jù)的需求變得越來越大,眾多有線電視和科技公司為此已成立了一個名為WifiForward的聯(lián)盟,目標是擴大無線網(wǎng)絡(luò)的接入。
據(jù)《華爾街日報》報道,康卡斯特、時代華納有線電視、有線電視運營商查特傳播(Charter Communications)、谷歌和微軟于當(dāng)?shù)貢r間本周四宣布組成了聯(lián)盟推進WiFi建設(shè)項目。
現(xiàn)已證實,WifiForward聯(lián)盟已覆蓋18家公司和組織團體,其中還包括摩托羅拉、百思買、和消費者電子協(xié)會等。
該聯(lián)盟的使命宣言稱,WifiForward聯(lián)盟是一個特別的、廣泛式的公司、組織和公共部門機構(gòu)的聯(lián)合,目標是緩解無線頻譜危機,希望美國政府能將更多的無線頻譜資源分配給Wi-Fi網(wǎng)絡(luò),給予公共免費Wi-Fi更多的頻譜支持。此外,該聯(lián)盟旨在保護和加強現(xiàn)有當(dāng)局未授權(quán)頻譜的指定用途,希望能免費開放這些未經(jīng)授權(quán)頻譜不同頻段的使用權(quán),并建立透明和可預(yù)見、鼓勵網(wǎng)絡(luò)增長和部署的授權(quán)規(guī)則。
WifiForward聯(lián)盟將游說美國政府開放更多頻譜資源,用以創(chuàng)建新的Wi-Fi無線網(wǎng)絡(luò),這樣就可以減輕當(dāng)前由于移動技術(shù)、流量需求極大的應(yīng)用以及音頻和視頻流的發(fā)展所導(dǎo)致的網(wǎng)絡(luò)擁擠負擔(dān)。
據(jù)思科統(tǒng)計顯示,美國大約有57%的數(shù)據(jù)流量來自Wi-Fi網(wǎng)絡(luò)的使用而非移動數(shù)據(jù)網(wǎng)絡(luò),而用戶每月的無線數(shù)據(jù)傳輸量約為1.4GB。然而,該科技公司預(yù)測,到2018年,使用Wi-Fi網(wǎng)絡(luò)流量的比例將會增加到64%,而無線數(shù)據(jù)傳輸量將增加到每月9GB。
對谷歌和微軟等公司而言,改善Wi-Fi網(wǎng)絡(luò)接入是言之有理的,畢竟他們的云計算和Web服務(wù)需要依賴頻譜才能得以實現(xiàn)。舉例來說,谷歌認為改善網(wǎng)絡(luò)的速度將有助于對未來軟營模式的支持,而且還有助于將數(shù)據(jù)傳輸速度提高至10Gbps方法的研究。
該聯(lián)盟宣布的同時,康卡斯特公司還宣布了其通過股票互換以452億美元收購時代華納有線電視的消息。尚不清楚這筆收購交易是否會對時代華納有線電視作為合作伙伴加入WifiForward聯(lián)盟有什么影響。
好文章,需要你的鼓勵
新加坡國立大學(xué)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(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)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(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)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(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)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(xùn)練效率,已在多個任務(wù)上驗證有效性。