至顶网CIO与应用频道 11月02日 北京消息:下一代工业基础设施将有很多新发展。为物联网(IoT)创建稳定可靠的设备不仅仅是需要建立无线网络连接这么简单。要引导带动从道路传感器到动力涡轮机在内所有产品的智能设备必须要具备云端功能、灵活性、远程管理和高安全度的特性。据高德纳公司估算,当今互联网上有超过84亿“事物”,同比去年增长了30%以上。
这需要用功能强大的低功耗微控制器(MCU)来运行可轻松连接到云端的功能丰富的实时操作系统(RTOS)。为了满足这些需求,我们公司与亚马逊网络服务(AWS)合作,将亚马逊FreeRTOS技术引入TI SimpleLink™MCU平台,使客户能够使用先进的安全功能的同时专注于应用程序开发并快速连接到云端。
微控制器通常会运行没有内置功能的操作系统来连接到本地网络或云端,这使物联网应用成为一项挑战。亚马逊FreeRTOS通过提供核心操作系统(运行边缘设备)以及集成软件库(这种情况下来自SimpleLink SDK)来解决此问题,这使它能够更容易更安全地连接到云端 - 或其他边缘设备 - 这样您就可以从它们那里收集用于物联网应用程序和行动的数据。
“亚马逊FreeRTOS,AWS服务和德州仪器 SimpleLink CC3220SF无线MCU技术的结合,为构建的更安全的物联网设备提供了完整的解决方案,实现了对智能产品的承诺”我公司嵌入式连接解决方案部门总经理Mattias Lange说道。“CC3220SF是市场上功能最齐全的无线MCU,为Wi-Fi和MCU应用提供经济高效的单芯片解决方案。”
云加速
目前很少有RTOS提供集成网络连接和云服务连接的解决方案。云是物联网发展的关键部分,因为访问云存储和处理使物联网设备(从自主采矿钻孔到自动驾驶车辆)能够在小体积、低功耗应用中运行。
多亏有了将Amazon FreeRTOS和德州仪器SimpleLink CC3220SF无线MCU相结合的技术,这将成为加速市场上物联网应用开发的好方法。它们全面结合了包括防篡改安全存储和受保护的引导加载程序在内的现代安全功能。受信任的身份验证和授权的新设备配置使得此后再添加新设备变得更加容易。而且保护设备固件的无线更新可让客户随时更新设备,进行修补和配置,以满足不断变化的应用需求。
由于其具有专用的网络处理器和加密引擎,我们的CC3220SF无线MCU能够满足上述所有需求。存储和处理能力始终是任何MCU设备中稀缺的资源。将这些关键的网络和安全操作转载到集成硬件上,可以为核心任务释放更多的处理能力和内存,而不是将其捆绑在操作系统层中。
下一件大事
对于一个已经比较完善的RTOS平台来说,在新平台上引入亚马逊FreeRTOS和我们公司MCU的启动日认证技术是它的一个重大的发展虽然市场上有许多实时操作系统,但FreeRTOS内核一直是市场领导者之一。
构建物联网创新新浪潮
开始使用Amazon FreeRTOS和SimpleLink MCU是一件很容易的事。该软件的构建集成了SimpleLink SDK的核心功能,是一个开放源码解决方案,无需额外许可认证或用户费用可直接在AWS中获得。德州仪器SimpleLink SDK也可通过开源许可在线获取,为了进一步开发应用程序,它还增加了额外的示例和驱动程序。这意味着当一个新想法变成一个原型物联网应用程序时,不会发生不愉快的意外,并且该原型已经准备好迎接它的黄金时间。
AWS云计划旨在扩大物联网设备的新浪潮。AWS提供了一个组态控制台,使用新软件和我们公司的SimpleLink LaunchPad™开发套件开始开发物联网解决方案将变得非常简单。唯一缺少的东西?就是你的创新想法。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。