湖南省教育厅负责综合管理全省范围内的义务教育、普通高中教育、学前教育、特殊教育和民族教育,同时指导高等学校进行各类科技工作及科研创新平台建设,是促进全省教育进步、科技进步的使能单位。湖南省教育厅下辖14市州、122区县、2000多个乡镇,工作繁琐、覆盖广泛,每年召开的大中型会议超过数十场,但原有标清视频会议系统设备老旧、故障率居高,对于日常的沟通交流造成了不良的影响。
基于以上情况,湖南省教育厅希望对现网视频会议系统进行升级改造,考虑到整体工程庞大,涉及单位众多,直接全网升级的目标不可能一蹴而就,因此计划通过逐步替换的方式实现平滑切换;并提出了多项硬性指标:升级后系统必须满足1080P的高清视频效果;能够对现网标清终端实现无缝兼容;现网视频网络暂无法同步升级,需要尽量在目前标清视频网带宽上召开高清会议;整个系统的安全性可靠性必须为业界标杆;可扩展性良好,无论是横向的MCU堆叠还是纵向的分布式部署都能够提供适用。
围绕湖南省教育厅的上述诉求,华为提出了针对性的解决方案——替换省厅原有视频会议平台,包括部署华为高清全编全解MCU VP9650、业务管理平台、录播服务器;并在部分会议室部署华为TE系列高清终端及高清摄像机,其他会议室仍然沿用原有的标清终端。
其中华为MCU VP9650采用电信级插卡式设计,支持全编全解,可灵活分配端口资源,湖南省教育厅目前高标清混合组网的现状;而配套的华为TE系列分体式终端,支持1080P60双流高清效果,最终实现了系统体验性、可靠性、兼容性、扩展性等的全面提升。下面具体介绍一下:高清体验:系统建设的MCU、录播、高清终端均支持1080P60双流图像采集,并且通过华为专利的活动视频增强技术及超强纠错技术,能够确保整体系统在512K带宽下即可实现1080P高清效果,在20%的网络抗丢包下视频仍然能够保持清晰、流畅、无卡顿,完美实现基于现网带宽状况的1080P高清视频会话体验。
安全可靠:在省厅中心节点通过双MCU资源池热备的形式,实现负载分担和互为备份;在省厅会议室通过两台终端热备保证会议不中断。同时选用电信级架构、嵌入式操作系统的MCU及终端,本身具备业界最高的备份机制,确保系统7*24小时稳定运行。
完美兼容:MCU为全编全解架构,可以全适配的接入不同带宽、不同分辨率、不同厂商的终端接入会议,并且能够确保高标请终端混合入会时不影响整体的会议效果。
易于扩展:整体系统无论是省厅节点的横向MCU资源池扩展或市州节点的分布式MCU扩展均能支撑。同时华为视讯可扩展视频会议云化部署方案,硬件系统与云化系统能够有效结合使用,保证多样的扩展模式,匹配互联网信息技术的发展方向。
目前湖南省教育厅视频会议系统省市平台已经上线运行,市县平台高清升级改造工作也已经加快节奏完成。相关项目负责人表示,华为高清视频会议系统稳定性高,整体运行状况非常良好,没有出现卡顿、异常掉线等情况,为湖南省教育系统提供了高质量的沟通体验,同时也促进了全省教学资源共享,使优质的教学资源向偏远地区逐步覆盖,极大的提高了教学效率,助力湖南省教育事业加速发展。
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。