Wi-FI联盟现已正式认证支持下一代无线家庭互联网Wi-Fi 7设备。通过认证,各Wi-Fi 7设备间可以保证互操作性,2024年内也将有更多支持此标准的手机、笔记本电脑和路由器3等技术产品面世,带来远超Wi-Fi 6E的速度与效率提升。
该联盟在声明中表示,Wi-Fi 7在高带宽流媒体和低延迟无线游戏等应用场景下的表现,将优于现行标准。而随着虚拟现实技术的普及,以及更多人开始在厨房餐桌或写字台前远程办公、通过Zoom与同事交流,此次升级更显得至关重要。Wi-Fi联盟CEO Kevin Robinson在采访中表示,Wi-Fi 7是针对6 GHz频段(由Wi-Fi 6E率先支持)的“首个从零开始构建的标准”,将为消费者带来更快、无线频谱更广的设备选项。
细心的朋友可能记得,之前不是已经有支持Wi-Fi 7的路由器上市了吗?没错,Netgear、TP-Link和Eero等公司的Wi-Fi 7路由器已经投放市场,而且前两款路由器发布已经数月有余。目前还不确定这些产品会不会获得认证——Eero现有的Wi-Fi 6路由器并未出现在联盟的认证产品清单当中。但这也不代表这些产品就不能与其他Wi-Fi 7设备良好协作,只是联盟认证能证明各设备间的协同和匹配经过了测试考查。
除了认证之外,自去年10月发布的Wi-Fi 7预热报道以来,这项技术标准本身没有任何变化。与Wi-Fi 5、6乃至6E标准上的最快设备相比,Wi-Fi 7所能提供的通道带宽仍保持在2倍(160 MHz到320 MHz),意味着无线下载速度有望超过每秒2 GB。
相较于WI-Fi 6E,Wi-Fi 7的速度表现将大幅提升。
新标准还将首次推出多链路操作(MLO),其本质在于无线链路聚合——其连接分布可跨越2.4 GHz、5 GHz和6 GHz频段中的两个甚至全部,从而提供更快的传输速度和更好的稳定性。也就是说,哪怕脱离某一信道,也无需重新连接来加入另一信道。
MLO还具备延迟优势。一般来说,设备连接会受到会话时长的限制,即路由器循环以排队形式等待其他设备在网络上发送数据包的时间。Robinson在采访中解释称,由于三个频段同时可用,“即时发出数据包的比例将非常非常高”。
但如果网络状态不佳,那这样的设计反而可能造成大问题。不过Robinson表示路由器并不一定非要同时接入全部三个频段。比如说,价格较低的平民级路由器可能一次只接入两个频段。但这仍然要比现有路由器优越,毕竟之前哪怕旗舰级路由器也只能支持每设备一条连接。当然,要想充分发挥Wi-Fi 7标准的全部性能优势,大家可能需要提前准备更多预算。
该联盟表示,新标准还通过一系列其他细节保证提供更高的传输效率、吞吐量和稳定性,且Wi-Fi 7设备将向下兼容以往版本的Wi-Fi标准。虽然现有设备无法直接受益于Wi-Fi 7路由器上的新功能,但后续推出的笔记本电脑和手机都将更新兼容。所以就当下来看,大家将新的Wi-Fi 7路由器视为技术储备即可,仍须时日才能充分享受其性能突破。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。