随着基于空间平台的移动设备通信市场步伐加快,研究中心 i2CAT 宣布计划开发欧洲首个低地球轨道实验室,用于非地面网络 (NTN) 和未来 6G 技术的研发,并将制造和发射 6GStarLab 卫星的合同授予了 Open Cosmos。
6GStarLab 卫星旨在验证太空中的实验性通信技术,为 NTN 的标准化做出贡献,这对 5G-Advanced 演进和未来的 6G 至关重要。6GStarLab 将作为一个开放、灵活的测试平台,用于远程部署和执行实验,促进地面和非地面网络互联新兴生态系统的创新。
6GStarLab 的目标是使 i2CAT 及其生态系统的研究人员能够验证轨道上的技术发展,加速卫星网络研究和与地面基础设施的整合。具体而言,该实验室将促进卫星基础设施虚拟化技术的研究和验证,评估使用多频设备的 6G 通信频率,并将配备光学终端以增强卫星与地面之间的通信。
该卫星将包含由 i2CAT 和加泰罗尼亚公司 Microwave Sensors and Electronics 通过 6GSatNet 项目设计的有效载荷,以及来自新加坡 Transcelestial 公司的空地光通信激光终端和相应地面站。它还将包括由加泰罗尼亚理工大学 NanoSatLab 小组开发的一系列射频通信天线。
为实现其计划,i2CAT 向太空技术公司 Open Cosmos 授予了价值 165 万欧元的公共合同,用于 6GStarLab 卫星的设计、制造、集成、发射和部署。Open Cosmos 将向 i2CAT 提供卫星的工程模型,在太空部署前在实验室进行实验验证。该卫星计划于 2025 年 10 月发射,研究工作将于 2026 年初开始。
i2CAT 计划加强在人工智能、网络安全和通过非地面网络扩展连接性方面的研究,并为科学界发布研究成果。6GStarLab 基础设施将向对探索和实验未来通信感兴趣的科学家和技术专家开放,符合欧洲航天局的 6G 路线图。
该计划是数字转型和公共服务部推动的 Unico I+D 6G 计划的一部分,由 NextGenerationEU 基金资助。i2CAT 总共从科学基础设施和设备子计划中获得了 1000 万欧元用于建立多个研究实验室。
Open Cosmos 首席执行官 Rafel Jordà Siquer 表示:"我们很自豪能为 6GStarLab 的发展做出贡献,这个项目将使加泰罗尼亚和欧洲在空间通信领域处于领先地位。这一举措完美地展示了企业、研究中心和机构之间的合作如何加速 6G 发展,将空间技术带入地球上先进和安全通信的核心。"
i2CAT 主任 Sergi Figuerola 补充说:"6GStarLab 代表着欧洲非地面网络研究的重要里程碑,提供了一个真实的基于空间的基础设施来验证关键的 6G 技术。这个由 NextGenerationEU 资助的开放实验室将改变卫星通信研究及其与地面网络的整合。"
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。