CNET科技資訊網(wǎng) 7月7日 北京消息:美國當(dāng)?shù)貢r間7月6日,高通宣布已向美國國際貿(mào)易委員會(ITC)提起訴訟,指控蘋果公司非法進(jìn)口和銷售了侵犯高通六項專利中的一項或多項權(quán)利的iPhone手機(jī),這六項專利覆蓋iPhone手機(jī)中重要功能的關(guān)鍵性技術(shù)。高通請求美國國際貿(mào)易委員會針對蘋果公司的侵權(quán)進(jìn)口行為發(fā)起調(diào)查,并最終發(fā)布有限排除令,禁止向美國進(jìn)口相關(guān)iPhone手機(jī)和其它產(chǎn)品,以制止蘋果公司對高通技術(shù)的非法和不公平使用。
高通尋求的有限排除令僅針對非采用由高通關(guān)聯(lián)公司供應(yīng)的蜂窩基帶處理器的iPhone手機(jī)。此外,高通還請求了禁止令,以禁止繼續(xù)銷售已經(jīng)進(jìn)口的蘋果公司侵權(quán)產(chǎn)品,并停止在美國境內(nèi)與這些進(jìn)口產(chǎn)品的銷售和使用有關(guān)的一切市場營銷、廣告、展示和倉儲活動。
高通執(zhí)行副總裁、總法律顧問唐·羅森博格表示:“高通的發(fā)明是每一部iPhone手機(jī)的核心所在,而且這些發(fā)明的覆蓋范圍遠(yuǎn)不止于調(diào)制解調(diào)器技術(shù)或者蜂窩移動通信標(biāo)準(zhǔn)。高通的專利組合包含數(shù)以千計的專利,我們本次主張的專利代表了其中六項重要技術(shù),每一項技術(shù)對于iPhone的功能都是必不可少的。蘋果公司持續(xù)性地使用高通的技術(shù),卻拒絕為此支付費用。此次訴訟旨在制止蘋果公司對我們六項專利技術(shù)的侵權(quán)行為。”
這六項美國專利的專利號分別為:8633936、8698558、8487658、8838949、9535490和9608675。這六項專利技術(shù)使得智能手機(jī)在實現(xiàn)高性能的同時延長了電池續(xù)航時間,其中每項專利技術(shù)都以不同方式為智能手機(jī)中不同的常見功能實現(xiàn)了上述效果。雖然這些專利覆蓋的技術(shù)對于iPhone手機(jī)的性能至關(guān)重要,這六項涉訴專利并非是移動終端中所實施的任何標(biāo)準(zhǔn)的必要專利,也不受任何許可承諾的約束。
高通還于同日在美國加州南區(qū)聯(lián)邦地區(qū)法院對蘋果公司提起了訴訟,指控蘋果侵犯了高通向美國國際貿(mào)易委員會提起的訴訟中所涉的相同六項專利。該訴訟中,高通同時請求了損害賠償和禁令救濟(jì)。
高通預(yù)計美國國際貿(mào)易委員會的調(diào)查將于8月份開始,并將于明年進(jìn)行開庭審理。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)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(jì)大學(xué)團(tuán)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(jī)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(jī)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(tuán)隊通過對比實驗發(fā)現(xiàn),經(jīng)過強(qiáng)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(zhǔn)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(qiáng)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(jī)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。