
2018年6月21日,由工业和信息化部和深圳市人民政府指导,IMT-2020(5G)推进组联合中国通信学会与中国通信标准化协会共同主办的2018年(暨第六届)IMT-2020(5G)峰会在深圳开幕。为期两天的峰会以“构建5G新生态”为主题,邀请工信部领导、深圳市政府领导以及数十家国内外主流移动通信和行业应用单位专家400多人参加会议,集中探讨5G技术、标准、研发、试验、产业、商用计划、融合应用等最新进展与发展趋势,颁发“绽放杯”5G应用征集大赛奖项、发布大赛成果。
工业和信息化部副部长陈肇雄出席峰会并致开幕词。陈肇雄指出,5G作为新一代信息通信技术发展的重要方向,对于构建万物互联的基础设施,推动互联网、大数据、人工智能与实体经济深度融合,支撑服务高质量发展,意义重大。要紧紧抓住5G发展的历史机遇,加快推进5G技术产业发展,全面推动5G与实体经济深度融合:一是促进5G技术成熟,打造完整产业链,为全面商用奠定产业基础;二是出台5G商用政策,适时发布频谱规划和商用牌照,满足5G网络建设与应用拓展需求;三是加快5G应用拓展,支撑服务经济实现数字化、网络化、智能化高质量发展。
工业和信息化部副部长陈肇雄
深圳市市长陈如桂为本次峰会致辞,陈如桂指出,深圳高度重视5G等新一代信息技术创新,专门制定了5G创新发展行动计划,希望通过5G技术突破,带动电子信息技术产业转型升级,同时,也希望通过率先开展5G技术应用,带动深圳智慧城市和数字政府建设上水平,努力实现“科技让生活更美好”。陈如桂表示,深圳将在工信部指导下,充分发挥创新先发优势,加大对5G技术研发投入,为我国建设网络强国和数字中国作出积极贡献。
深圳市市长陈如桂
中国工程院院士、IMT-2020(5G)推进组顾问邬贺铨发表了题目为《5G与光传输技术相辅相成》的主题演讲。中国信息通信研究院副院长、IMT-2020(5G)推进组主席王志勤介绍了推进组在5G标准、试验、应用和国际合作等方面的主要观点和工作进展。 深圳市发改委副主任蔡羽发布了《深圳促进第五代移动通信(5G)创新发展行动计划(2018-2020年)》。
在本次峰会上,IMT-2020(5G)推进组还举行了“绽放杯”5G应用征集大赛颁奖典礼,陈肇雄副部长和陈如桂市长分别获奖单位颁发证书。大赛于2018年1月16日启动,旨在面向全社会广泛征集5G应用创新案例,以充分发挥行业需求和企业创新主体作用,助力5G商业化进程。大赛自开赛以来得到了业界的广泛关注,历经3个多月的项目征集,共收到面向工业、VR/AR、交通、医疗、无人机、环保等众多领域的参赛项目334个。大赛“最佳人气奖”评选平台开放之后,在短短5天半时间里,点击量就超过1400万,累计投票数超过500万。
在峰会第一天,参会的移动通信设备企业、运营企业、芯片/仪表企业、终端企业、器件企业以及制造企业代表围绕“5G整体解决方案”和“5G最佳产品体系”两大主题进行演讲,分享5G技术标准、研发进展、测试方案以及商用准备等研究进展,开展“面向5G商用关键问题”圆桌讨论,从不同视角对5G关键问题进行了全面展示和深入探讨。
峰会第二天将举行“5G商用计划”、“5G与垂直行业融合”和“5G应用大赛获奖项目展示”等主题演讲,以及“5G行业应用发展关键问题及解决方案”圆桌讨论,期间IMT-2020(5G)推进组将发布《5G承载需求白皮书》、《5G核心网云化部署需求与关键技术白皮书》、《C-V2X白皮书》和《绽放杯5G应用征集大赛白皮书》。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。