2月26日-3月1日,在西班牙巴塞罗那举行的2018年世界移动通信大会(MWC 2018)上,联想集团与中国移动研究院展示了双方联合研发的5G C-RAN软基站验证样机。该样机在业界首次实现了跨节点、多虚机、全软件的5G CU/DU设备云化方案。
该软基站验证样机采用联想ThinkCloud NFVI云平台、ThinkSystem SR650服务器、G8272交换机与中国移动RRU和CU/DU协议栈软件,通过联想Moto Z2 Play智能手机进行端到端在线视频场景演示。
联想联合中国移动展示5G C-RAN软基站验证样机
联想与中国移动研究院合作的5G CU/DU软基站验证样机的成功研发,展示了联想NFV基础设施解决方案的技术优势和中国移动对未来无线网络架构的理解与创新,为业界开展基于云平台的5G软基站关键技术验证提供了参考,并为进一步引入人工智能、硬件加速等新技术提供了平台和基础。
2009年中国移动首次提出C-RAN,在BBU实现集中化部署的基础上,实现BBU基带池的云化。5G网络多样化的应用场景、极高的技术指标要求,对接入网架构提出更高的要求,中国移动基于C-RAN理念早于3GPP提出了集中单元(CU)、分布单元(DU)的分离架构,可很好地满足5G的灵活组网需求。此次原型展示中,中国移动基于通用处理平台自主研发了CU/DU分离的纯软实现方案,实现了基于CU的切换优化等功能,同时多虚机设计可针对不同的负载压力,共享处理资源,提升系统利用率。
联想ThinkCloud NFVI是针对NFV电信业务场景的云平台软件,通过物理CPU隔离与绑定、NUMA亲和性、DPDK、高可用、虚拟与物理资源监控、实时操作系统内核与虚拟层等关键技术,可满足电信级性能、实时性、可靠性、可管理性等方面的要求;其中在实时性方面,其在宿主机与虚拟机内的最大中断时延均可达到10微秒以内,满足无线通信上层业务的性能需求。
联想集团副总裁、联想研究院企业服务云计算实验室和5G实验室负责人黄莹博士表示:"无线接入网络云化是5G时代的重要技术方向,对运营商优化网络效率、促进业务创新、提升用户体验等方面,均具有深远意义。联想积极参与中国移动在5G、C-RAN、NFV等领域的技术创新,提供从智能终端到数据中心全方位的软硬件产品、方案与服务,助力运营商网络云化的商用进程。"
中国移动研究院首席科学家易芝玲博士表示:"此次联合展示,不仅验证了联想IT基础设施解决方案可有效支撑无线网云化需求,也是运营商深入研发基站设备的一次有益尝试。面向未来智能、开放无线网络的演进需求,无线网的研发运营融合是重要方向,欢迎更多的产业合作伙伴参与进来。"
据悉,NFV市场目前正处于蓄势待发的阶段,行业普遍认为,到2021年,NFV将是一个300-900亿美元的全球市场,这代表着在未来3年里会有 30%-80% 的年复合增长率*。联想NFV解决方案是联想集团"三波战略"的重要落地实践,同时,联想正在不断强化自身能力、加快产业布局,进一步提升NFVI软、硬件性能、实时性、可靠性、可管理性与安全性,为电信运营商与企业级NFV客户打造出更好的联想NFV基础设施产品。在服务能力上,联想研究NFV融合机柜一体化交付、NFV软硬件系统智能运维等新技术,针对不同应用场景,实现对其端到端更好的支持。在生态上,联想积极致力与业界厂商合作创新,并共同推进NFV相关标准规范的制定。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。