8月9日,北京冬奧會合作伙伴俱樂部成立儀式暨奧運市場開發(fā)高峰論壇在北京展覽館舉行。國際奧委會副主席胡安-安-薩馬蘭奇、北京市副市長、北京冬奧組委執(zhí)行副主席張建東、國際奧委會代表、中國奧委會和中國殘奧委會代表、中國聯(lián)通等北京冬奧組委合作伙伴俱樂部成員單位以及相關(guān)體育組織和機構(gòu)代表參加了本次活動。
會上,中國聯(lián)通在“奧運經(jīng)濟中的贊助企業(yè)發(fā)展歷史機遇”的主題對話環(huán)節(jié)中表示,將以冬奧會和冬殘奧會作為合作窗口,積極發(fā)展新一代網(wǎng)絡(luò),全力打造覆蓋領(lǐng)先、感知領(lǐng)先、應(yīng)用領(lǐng)先的5G未來之都,并宣布推進(jìn)幾項5G新布局、新舉措:
舉措一:布局5G,確定北京作為5G試驗網(wǎng)建設(shè)重點城市,探索業(yè)務(wù)運營新模式。中國聯(lián)通確定北京作為5G試驗網(wǎng)建設(shè)重點城市,積極聯(lián)合產(chǎn)業(yè)合作伙伴,以業(yè)務(wù)作牽引,探索5G創(chuàng)新業(yè)務(wù)和建設(shè)運營新模式,為5G快速高效商用做好全方位準(zhǔn)備,以創(chuàng)新、開放、合作的方式,做快、做實5G行業(yè)布局,搶占5G先發(fā)優(yōu)勢。
舉措二:借力混改,加快培育和增強5G高質(zhì)量創(chuàng)新發(fā)展的新動能。作為首家在進(jìn)行全面“混改”的央企,中國聯(lián)通深入實施聚焦創(chuàng)新合作戰(zhàn)略,全面推進(jìn)互聯(lián)網(wǎng)化運營轉(zhuǎn)型,著力打造新基因、新治理、新運營、新動能、新生態(tài)的“五新”聯(lián)通,并集合股東優(yōu)勢業(yè)務(wù)以及各個領(lǐng)域的頂尖合作伙伴,積極構(gòu)建外聯(lián)內(nèi)通的產(chǎn)業(yè)新生態(tài),加快培育和增強5G高質(zhì)量創(chuàng)新發(fā)展的新動能。
舉措三:冬奧為魂,全方位打造首都“智慧冬奧”新名片。中國聯(lián)通將把5G創(chuàng)新技術(shù)應(yīng)用到冬奧會場館管理、賽事體驗、媒體轉(zhuǎn)播、日常訓(xùn)練等場景中,全方位、多角度打造冬奧與5G智慧融合解決方案,包括:無人駕駛擺渡車、媒體區(qū)照片、視頻、VR即拍即傳,直達(dá)移動終端、場地編輯服務(wù)器、通信社云端的秒級應(yīng)用;為奧運村的智能家居、交通、餐飲、醫(yī)療、娛樂、動態(tài)圖像識別提供有線、無線、互聯(lián)網(wǎng)、大視頻的技術(shù)手段;基于大網(wǎng)網(wǎng)絡(luò)智慧能力,基于物聯(lián)網(wǎng)、大視頻、大數(shù)據(jù)分析能力,為城市奧運運行、指揮調(diào)度提供技術(shù)手段,例如奧運專用道無人駕駛,京張、京延沿線5G高速覆蓋等;在賽場內(nèi)外周邊、提供5G大容量覆蓋,結(jié)合重點場館的邊緣計算,為觀眾、自媒體社交活動提供技術(shù)手段,引入全球觀眾評分的互動參與模式等。在5G創(chuàng)新技術(shù)的加持下,中國聯(lián)通將結(jié)合應(yīng)用場景,全方位打造首都“智慧冬奧”新名片。
北京冬奧會合作伙伴俱樂部是中國奧委會為廣大合作企業(yè)提供回報服務(wù)的一種積極嘗試,目前俱樂部成員包括7家奧林匹克全球合作伙伴和8家北京冬奧會官方合作伙伴,未來產(chǎn)生的合作伙伴也將被邀請加入俱樂部成員的行列。作為北京2022年冬奧會和冬殘奧會官方通信服務(wù)合作伙伴,中國聯(lián)通將與其他俱樂部成員一道,實現(xiàn)北京冬奧會和中國體育代表團的資源開發(fā)效益最大化,共同促奧林匹克市場繁榮,推動體育產(chǎn)業(yè)發(fā)展。
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(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。