随着通信技术的不断发展,对人们的生活、工作产生了巨大的影响,人们之间的沟通、信息的传递变得更便利,通信网络变得更经济、快捷。
2019年被称为5G商用元年。去年6月6日,工信部正式向中国电信、中国移动、中国联通、中国广电发放5G商用牌照;同年10月31日,三大电信运营商共同宣布5G商用服务启动,并发布相应的5G套餐,5G真的来了。5G作为新基建的重中之重,在近期重要会议中屡被提及,5G也迎来了大发展的机遇期。
这也是是中兴大展身手的好时机。
中兴是最早进行5G研究的公司之一,其在2012年就开始做5G的预研,从2015年开始,中兴每年在5G上面的研发投入都超过百亿,5G标准以及必要专利中兴也是位列全球前三位。
昨日,中兴通讯召开线上AR发布会,正式发布中兴首款5G视频手机——中兴天机Axon 11。
中兴终端事业部总裁徐锋表示,5G意味着非常多的可能性,5G网络催生了大视频、高清视频的需求,同时,高清、大视频以及相关应用的传输、存储、交互又对网络通讯提出了更高的要求和挑战。
中兴天机Axon 11的定位就是“5G视频手机”,它也是中兴布局5G终端市场的先锋军。
先从外观说起,中兴天机Axon 11拥有轻薄的机身和极高的颜值,其屏幕采用6.47英寸柔性曲面屏,3D曲面玻璃,配合超窄边框设计,实现92%的超高屏占比,视觉观感极佳。机身侧面采用独特的滑板形设计,顶部、底部运用G3级曲线,使得整体机身实现360度浑然一体,并拥有更佳的横屏握持手感。纤薄的机身设计使得中兴天机Axon 11厚度仅7.9mm,机身重量仅168g。
再来说说5G网络,中兴天机Axon 11搭载高通5G集成芯片骁龙765G处理器,全面支持SA/NSA双模5G网络,覆盖5G全频段、全网通,能让手机在Wi-Fi和蜂窝网络(4G/5G)实现多路并发,不仅能轻松应对复杂的信号环境,速率叠加,网速将更进一步提速。再配合中兴智能网络加速技术,可实现Wi-Fi向数据网络无缝切换,切网速度优化提升50%,从而带来移动高清直播切换快、高速视频不卡顿、在线游戏不掉线的极速畅快体验。
5G时代视频先火。中兴天机Axon 11支持4K 60帧超高清视频专业拍摄,采用主摄+超广角的双路防抖方案,深度融合AI技术,6400万超高清主摄能准确感知抖动方向及幅度并进行智能修正,加上800万像素超广角镜头的智能防抖,足以适应各种抖动情况,同时还能增大取景面积,并提供120度超广角防畸变。在景深和微距拍摄上,中兴天机Axon 11同样适配出最优画质,专业景深镜头,可以随时锁定主体,营造背景虚化的效果;200万像素微距镜头,支持4CM微距摄影,进入更清晰的微观世界。不仅如此,中兴天机Axon 11还提供了视频编辑功能,10多种转场特效、多视频拼接及滤镜、配乐,即使是视频新手也能轻松创作出专业级视频,让每个人都可以做生活的导演。配合5G时代的高带宽、高速率,几百兆的4K高清视频无需压缩就可上传,让用户随时随地记录,呈现并分享美好生活。
中兴天机Axon 11还搭载内置了自研新一代全场景AI引擎Z-Booster2.0,通过AI算法对系统资源智能调配,对APP启动、系统运行、网络切换等影响用户体验的维度进行深度加速和优化。智能供电调节方案深度结合用户使用习惯和APP运行状态进行智能管控,使得手机续航能力提升35%,满足用户在5G时代网速快、运行快、长续航的用机需求。
徐锋表示,今年是中兴通讯成立的35周年,中兴一直在通讯领域有深厚的积累,未来还会持续不断地创新。中兴终端也会在视频算法方面持续投入,未来将在通讯能力和视频算法两大发展方向发力,为消费者提供5G精品。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。