科技行者 6月27日 上海消息(文/于艺婉):MWC19 上海展会于6月26日至28日举行,这是中国颁发5G商用牌照后的首次世界级盛会,三家电信运营商结合5G发布了多项业务成果,而从消费者的角度来看,5G终端还是最重要的产品。
在展会期间中国移动召开的5G+发布会上,中国移动宣布5G终端先行者计划升级,由“计划”变“联盟”,同时,中国移动5G终端先行者产业联盟实现首次集结,中国移动联合31家合作伙伴发布42款最新5G商用终端及解决方案,并完成首次5G终端万台交付,本次发布的5G终端最早将于7月底上市。
在6月27日的全球终端峰会上,中国移动终端公司副总经理汪恒江发布了业界首份5G硬件专业评测的同时,也对中国移动的5G终端政策进行了深入的解读。这份报告涉及的产品包括3款5G芯片、6款5G手机和3款5G CPE,通过对芯片协议栈完善度、芯片MIMO吞吐量、终端上行接入能力、终端下行通信性能的深度测试,实现了对芯片能耗、手机续航性能以及发热情况的客观评估。
“海思Balong5000网络兼容性和吞吐量性能表现良好,但不同芯片在差点性能差异接近1倍,优化解调算法、提高抗噪性能仍然是5G芯片的吞吐量攻关方向,功耗在小包流量场景以及高带宽高吞吐量场景仍需持续优化。”汪恒江说。
5G终端性能整体评测结果显示,手机与CPE的用户体验接近商用条件,但在天线性能、整机续航等方面还需重点提升。其中,华为Mate20X得益于HPUE,总发射功率表现最好,凭借海思芯片的功耗优势,续航表现最优。在强场环境下,华为Mate20X、中兴Axon10在手机中表现最优,各终端多天线性能优劣起到关键作用。
未雨绸缪,为推动5G终端产业链快速成熟,一年前,中国移动就开始联合产业链,制定5G终端技术方案、开展技术攻关、组织研发测试、参与规模试验、研发自有品牌终端。历时一年,取得了当前的阶段性成果,完成交付的5G智能手机、CPE、Smart Hub等5G终端将主要用于下一步终端试验与友好用户测试。
在本次展会期间,面向5G商用终端,中国移动提出了“三多一新”的产品策略:多模式频段,推进终端多模多频发展,同步支持NSA/SA,推动2.6GHz与3.5GHz产业同步发展,稳步推进4.9GHz终端产业成熟;多终端形态,全面引导个人、家庭和行业各领域加快推出创新终端,为5G与各行业融通发展做好终端准备;多用户选择,推动5G芯片和终端价格快速下探,面向消费和行业市场,分别打造超百款终端产品;新产业生态,孵化5G应用,构建5G个人新生态及行业新生态。
从消费者的角度来看5G,除了业务应用外,更关心的就是终端价格了。汪恒江给出了中国移动对于今明两年5G终端价格的预期:2019年中,5000元左右的旗舰机型为主;2020年中,实现3000元左右的中高端覆盖;2020年底,价格下沉至1000-2000元。预计中国5G智能手机市场2020年达数千万到亿级,同时,泛智能终端市场空间2021年达到千万级。
上述评测内容均出自《中国移动2019年智能硬件质量报告(第一期)》,该报告围绕5G、AI、个人、家庭、娱乐等方面披露终端质量数据。同时,中国移动还发布了《5G终端产品白皮书》,对5G手机和泛智能终端从产品形态、无线、业务、性能、质量等方面提出了新要求。
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。