6月29日,在上海世界移动通信大会(MWC上海)上, 联想携手Arm发布了首款基于AWS Graviton平台的5G云专网解决方案。该方案同时也是首款通过 Arm 在华增设的 5G 解决方案实验室验证的系统,将为企业用户带来弹性分配与快速部署等云服务优势,节省硬件采购与维护的成本,加速企业实现5G+ 创新应用。
联想集团首席研究员、云网融合事业部高级总监李瞳(左)与 Arm 基础设施事业部营销副总裁 Eddie Ramirez(右)携手发布联想首款基于 Arm 架构 Graviton 平台的 5G 云专网解决方案
在这个解决方案中,联想推出支持Arm® Neoverse™ 平台的5G NR基站、云原生5G核心网,一方面满足5G网络在功能、性能、可靠性等方面的严格要求,另一方面还能最大化地满足各垂直行业的个性化组网需求。联想基于AWS部署的云原生5G核心网,具备灵活部署、弹性伸缩、高安全、高可靠、高性能等特点,借助AWS 基于 Arm Neoverse架构的自研处理器Graviton低功耗、高性价比的特性,更帮助客户降低5G网络整体拥有成本(TCO),减少前期建设投入,降低了用户导入5G专网的门槛。
这套解决方案也是 Arm 在华增设的 5G 解决方案实验室验证的第一套系统。据了解,为了进一步推动5G“云-网-智-算”架构生态圈协同发展,Arm近期携手产业合作伙伴联想在华增设了Arm 5G 解决方案实验室新据点。这个实验室旨在为Arm的软硬件生态系统合作伙伴提供完整的开发和测试平台,并在现场展示端到端的解决方案。该实验室此次为基于AWS Graviton平台的5G云网络结合智能算力的联合方案进行了验证与演示。
联想集团首席研究员、云网融合事业部高级总监李瞳表示:“随着数字经济的快速发展,垂直行业纷纷开启了数字化转型之旅,这带来了巨大的行业增长机会。然而,传统架构中算力(IT)和网络(CT)相对独立,导致行业客户不得不同时搭建两套系统,在ICT基础设施上的投入居高不下。联想云网融合,以NFV技术为底座,基于通用硬件,以软件形式实现网络功能,使得客户可以轻松地在公用云、私有云等既有算力设施上实现网络功能,以最小的成本拥有可靠的ICT基础设施。我们很高兴持续与 Arm 携手合作,共同推动5G产业繁荣发展。”
Arm 基础设施事业部营销副总裁Eddie Ramirez表示:“凭借Arm架构在性能、能效、总拥有成本,以及灵活性等方面的技术优势,Arm Neoverse平台正被广泛应用于5G网络,驱动 5G 应用的多样化与创新。此次Arm与联想的合作展示了基于Arm Neoverse平台、涵盖从基站到核心网络的全链路5G云网络方案,彰显了Arm在推动产业生态技术协作方面的努力。我们很高兴看到越来越多的5G生态合作伙伴选择了Arm架构,同时我们将通过全新在华成立的 Arm 5G 解决方案实验室,不断促进行业高效协同及可持续发展,赋能本土的 5G 云网融合解决方案,为多样化的5G生态发展做出贡献。”
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。