
随着移动技术的发展以及消费者们对数据的需求变得越来越大,众多有线电视和科技公司为此已成立了一个名为WifiForward的联盟,目标是扩大无线网络的接入。
据《华尔街日报》报道,康卡斯特、时代华纳有线电视、有线电视运营商查特传播(Charter Communications)、谷歌和微软于当地时间本周四宣布组成了联盟推进WiFi建设项目。
现已证实,WifiForward联盟已覆盖18家公司和组织团体,其中还包括摩托罗拉、百思买、和消费者电子协会等。
该联盟的使命宣言称,WifiForward联盟是一个特别的、广泛式的公司、组织和公共部门机构的联合,目标是缓解无线频谱危机,希望美国政府能将更多的无线频谱资源分配给Wi-Fi网络,给予公共免费Wi-Fi更多的频谱支持。此外,该联盟旨在保护和加强现有当局未授权频谱的指定用途,希望能免费开放这些未经授权频谱不同频段的使用权,并建立透明和可预见、鼓励网络增长和部署的授权规则。
WifiForward联盟将游说美国政府开放更多频谱资源,用以创建新的Wi-Fi无线网络,这样就可以减轻当前由于移动技术、流量需求极大的应用以及音频和视频流的发展所导致的网络拥挤负担。
据思科统计显示,美国大约有57%的数据流量来自Wi-Fi网络的使用而非移动数据网络,而用户每月的无线数据传输量约为1.4GB。然而,该科技公司预测,到2018年,使用Wi-Fi网络流量的比例将会增加到64%,而无线数据传输量将增加到每月9GB。
对谷歌和微软等公司而言,改善Wi-Fi网络接入是言之有理的,毕竟他们的云计算和Web服务需要依赖频谱才能得以实现。举例来说,谷歌认为改善网络的速度将有助于对未来软营模式的支持,而且还有助于将数据传输速度提高至10Gbps方法的研究。
该联盟宣布的同时,康卡斯特公司还宣布了其通过股票互换以452亿美元收购时代华纳有线电视的消息。尚不清楚这笔收购交易是否会对时代华纳有线电视作为合作伙伴加入WifiForward联盟有什么影响。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。