下一代设备和网络测试、保障和分析解决方案供应商思博伦通信(伦敦证交所上市代码:SPT)8月12日宣布,马来西亚一家领先的电信运营商已成功部署思博伦Velocity实验室即服务(LaaS)解决方案,实现其测试实验室的完全自动化。利用Velocity,这家运营商不仅实现了测试能力的提速,加快了新产品的开发进程,还极大改善了用户的体验。
该运营商实验室位于马来西亚吉隆坡,是一个较为复杂的多厂商测试实验室,主要为该运营商提供所有产品和服务的一站式测试。这家运营商希望提高其测试容量,快速创建测试拓扑,支持远程方式访问测试床,从而提高资源的利用率。当发现自动化才是最终的解决方案时,该运营商希望思博伦帮助其实现新产品和服务测试进程的自动化。
通过与该实验室团队密切合作,思博伦的测试自动化工程师成功部署了Velocity LaaS解决方案,使这家运营商能够大幅加快其新产品开发过程中的测试能力,并通过实验室资源共享的优化管理,助力其更有效地执行概念验证测试,使得产品质量得以提高。通过实现其测试套件的自动化,该运营商将测试床的搭建时间从数天缩减至短短几分钟。
思博伦通信南亚区业务发展总监Manoharan Cp指出:“这家客户过去的重复式内部设置和重新配置工作都极为耗时,而且其恢复准备时间也非常长。Velocity具备快速、高效地建立测试床的能力,实现了测试床搭建时间的大幅压缩,并减少了物理网络准备过程中对设置前自动化链路的人工介入需求。”
他表示:“疫情期间,一般测试设施的物理访问都会遇到诸多限制。而该运营商通过部署Velocity,不仅具备了远程访问和创建测试床的能力,更为重要的是,还在不影响生产力的情况下实现了连续日常测试。”
为进一步提高客户测试环境的效率,思博伦正在向该运营商的实验室质量保障团队提供后续培训,帮助其利用思博伦的测试即服务(TaaS)解决方案 - iTest来实现人工测试的自动化。有了Velocity的自动化测试床和iTest的自动化测试两个解决方案,该运营商将能够提供一个自助式的Web门户,在自动触发环境中执行完整的端到端测试生命周期。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。