6月6日,中國聯(lián)通獲得工業(yè)與信息化部頒發(fā)的5G商用牌照,官宣邁進(jìn)5G商用時代!6月7日,聯(lián)通營業(yè)廳完成一夜換裝,率先在全國40個試點城市的熱點地區(qū)打造5G體驗廳,并開展“走進(jìn)聯(lián)通,體驗5G”系列活動,向公眾開放5G體驗。
據(jù)悉,本批開放5G體驗廳的40座城市,包括4個直轄市,27個省會城市,大連、青島、寧波、廈門、深圳5個計劃單列市,以及蘇州、溫州、雄安、張家口4個重點城市。
在煥然一新的聯(lián)通城市體驗廳中,知名品牌的5G終端和多個場景應(yīng)用驚艷亮相,市民可以使用5G手機進(jìn)行現(xiàn)場測速,感受高速5GWiFi,現(xiàn)場還有工作人員講解5G技術(shù),介紹最新5G手機,引導(dǎo)大家直觀感受5G賦能下的互聯(lián)網(wǎng)應(yīng)用產(chǎn)品。與此同時,多地體驗廳結(jié)合當(dāng)?shù)靥厣?,推出?G小課堂、有獎競猜等個性化活動,讓大家輕松了解更多5G常識。
5G體驗廳內(nèi)還展示了多種多樣的智慧生活場景,用戶可以現(xiàn)場進(jìn)行5G+4K視頻直播;隨時隨地查看高清的視頻監(jiān)控;佩戴VR眼鏡體驗逼真暢快的全景游戲;利用5G網(wǎng)絡(luò)的低時延特性與機械臂玩游戲等。諸如此類的應(yīng)用和終端為用戶構(gòu)架起了未來智慧生活的美好圖景,現(xiàn)場互動熱烈,好評不斷。
此外,很多5G相關(guān)的科普宣傳也在體驗廳中隨處可見,工作人員貼心地為每一位用戶講解,讓大家更直觀、深入地了解5G。
據(jù)悉,5G線下體驗活動火熱開展的同時,中國聯(lián)通還在40城同步發(fā)起了“5G看聯(lián)通,5G在身邊”的5G體驗打卡活動,鼓勵大家體驗5G,了解5G,讓5G生根,讓未來生長。
繼此前5G友好用戶招募、發(fā)放5G權(quán)益包后,中國聯(lián)通在推動5G商用發(fā)展、探索5G消費應(yīng)用場景方面更進(jìn)一步。本次5G營業(yè)廳體驗活動,讓更多消費者對5G應(yīng)用有零距離的了解和感知,通過體驗廳中的5G網(wǎng)絡(luò)、5G終端與5G場景應(yīng)用等體驗,幫助消費者將5G的想象落到現(xiàn)實,對5G的未來產(chǎn)生更多期待。
作為國內(nèi)第一家面向公眾用戶提供5G網(wǎng)絡(luò)服務(wù)的運營商,中國聯(lián)通將通過持續(xù)深耕5G技術(shù)、積極開展聯(lián)合各方的產(chǎn)業(yè)合作、培育5G應(yīng)用產(chǎn)品等有力舉措,不斷堅實推進(jìn)5G商用的進(jìn)程,為用戶打造極致的5G產(chǎn)品和體驗,為5G商用和產(chǎn)業(yè)的健康發(fā)展注入源源不斷的新鮮動能。
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。