中国上海,2023 年 8 月 30日 – VIAVI Solutions(VIAVI)(纳斯达克股票代码:VIAV)近日宣布推出支持非地面网络(NTN)和高空平台(HAP)的基站和端到端测试。无线技术对传统地面通信网络日益加持,借助卫星通信助力提供近乎全面的覆盖。VIAVI TM500 和 TeraVM测试平台能够在 NTN 和 HAP 网络独特的服务链路条件下,对 gNodeB 和整体网络的一致性、性能和可靠性进行验证。
3GPP R17标准正式引入了对 NTN 的支持和指南,预计后续版本将继续完善标准。这些规范将有助于提高 NTN 的性能,使其能够与地面电信网络融合,并支持现有5G 移动手机和芯片组。VIAVI 的一项分析预计,卫星通信的增长将导致大约3万颗新卫星绕地球运行,从而极大程度上扩展NTN 提供全面覆盖的潜力。
5G卫星通信为测试带来了更高的复杂性。NTN 需要做到可靠,以应对卫星、HAP 和用户设备(UE)的距离、速度和移动性等方面的问题,同时还要保障性能。测试解决方案不仅需要仿真不同的 UE 移动性和衰减曲线,还必须考虑到快速移动的卫星和机载平台带来的巨大多普勒频移。
为在非地面部署之前对基站进行验证,TM500 可模拟大量设备、新的移动模式、信号传播延迟以及 NTN 特有的其他条件,同时 TeraVM 可以模拟核心网络。该测试场景非常适合 3GPP 协议测试等早期功能测试,且可应用于再生架构和透明架构。进一步的测试场景侧重于端到端网络的测试和优化,使用真正的核心网来验证整体网络的性能和可靠性。
VIAVI无线业务部高级副总裁Ian Langley表示:“NTN为移动和卫星运营商提供了新的机遇和合作的可能,并有望为服务欠缺和人口密集地区提供连接并支持关键任务应用。然而,随着人们对部署此类网络的意向日益提升并竞相展开部署,进行可靠性、稳定性和性能的测试对于成功至关重要。”
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。