近日,全球领先的连接和电源解决方案供应商Qorvo(纳斯达克代码:QRVO)宣布推出两款全新混合功率倍增放大器,进一步加强其面向宽带有线网络的DOCSIS 4.0产品阵容。这两款新产品专门针对最高至1.8 GHz的下行传输进行了优化,可推动行业向统一DOCSIS标准和智能放大器架构的转型,从而为混合光纤同轴(HFC)系统提供更强的可视性、更高的效率以及更好的适应性。
Qorvo推出的QPA3311和QPA3316两款功率倍增器可提供更高的总复合功率(TCP)和更优的信号完整性,不仅能够减少级联需求,提高线路终端性能,还能通过无需额外部署昂贵的增益放大器,从而有效降低基础设施成本。
Qorvo基础设施业务部高级市场经理Bob Simmers表示:“我们全新的功率倍增器可帮助客户应对行业向更智能、更具适应性的HFC系统部署转型,并支持向‘智能放大器’和统一DOCSIS标准演进。通过提供灵活的功率选项和卓越的输出性能,Qorvo能够助力客户打造符合 DOCSIS 4.0 要求并可扩展的智能放大器系统,同时提升整体网络的运行效率。”
QPA3311和QPA3316提供不同的输出配置,可满足各种节点和放大器的部署需求。
最佳用途 适用于高能效且对线路终端性能要求高的设计 适用于需实现最高下行传输性能的高输出节点
QPA3311和QPA3316这两款产品均采用Qorvo成熟的GaN25工艺制造,并在公司位于德国纽伦堡的世界级工厂生产。
作为HFC架构解决方案的技术领导者,Qorvo持续扩展其DOCSIS 4.0产品组合,为客户提供业界最全面的混合放大器、单芯片微波集成电路(MMIC)、控制产品及均衡器,助力实现灵活的网络设计和快速、可扩展的升级。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。