西雅图时间6月15日,RAIN RFID提供商和物联网先驱Impinj,Inc.(纳斯达克:PI)推出了三款下一代RAIN RFID读卡器芯片,使物联网设备制造商能够满足零售、供应链和物流、消费电子产品和许多其他市场对物品连接日益增长的需求。
新的 Impinj E710、E510 和 E310 RAIN RFID 读写器芯片是具备高性能、低能耗的单片系统 (SoC),能够拓展物联机遇,实现全球亿万物品联网的未来。凭借业界领先的系统集成能力和易于使用的开发工具,可开发快速上市的物联网设备,可靠地识别、定位和验证连接的事物。
性能、集成和易用性的新基准
Impinj RAIN RFID 产品已连接全球数百亿个物品,帮助企业推动数字化转型、改善消费者体验、提高运营效率、更好地管理库存和资产。 Impinj的上一代读卡器芯片Indy系列被数以百万计的设备所使用,为十多年来的读卡器芯片性能设定了基准。 新一代Impinj E710、E510和E310读卡器芯片提供了创纪录的性能、集成和易用性:
Impinj 首席执行官 Chris Diorio 表示:“随着 Impinj E710、E510 和 E310 读写器芯片的发布,我们迎来了新一波合作伙伴创新,这些芯片提供了无与伦比的易用性、硅集成和性能。 这些全新读写器芯片为实现全面物联带来突破性进展, 它们标志着 Impinj 向无边界物联网的愿景再次迈出大胆的新一步。”
嵌入式 RAIN 功能推进物联网设备创新
Impinj E710、E510 和 E310 芯片现已上市,使物联网设备能够每秒可靠的识别数百种物品,包括服饰、托盘、包裹、药物、汽车部件和电子产品,它们之间的距离从几毫米到几米不等,而不在视线范围内也可以轻松识别。 Impinj E710 提供了卓越的性能,可对大量大型物品进行监控。 Impinj E510在价格和性能上都 是中端选择,并针对电池供电设备进行了优化。 而且低成本的Impinj E310提供了针对近距离设备优化的性能。这些芯片嵌入到 设备中,增加了RAIN功能并启用了新的解决方案,包括:
米其林是 Impinj 的长期合作伙伴,计划到 2023 年为每一个新的乘用车胎配备 RAIN FRID,并希望 RAIN RFID 能够为整个轮胎制造供应链提供先进的连接,以改善轮胎的管理、性能和安全性。
米其林 RFID 项目负责人 Jérôme Barrand 表示:“米其林相信,全新 Impinj 读写器芯片在性能和价格方面的创新,是通过 RAIN FRID 技术实现轮胎连接性的关键成就。 高性能设备是促进轮胎市场应用取得成功的一大关键因素。 我们预计在未来几年内,将在整个轮胎生命周期内大量的用例中,部署不同类型的读取点。 这将是为我们的客户提供互联移动服务的关键因素。”
数十种新的物联网设备正在开发中
有了这些全新的读写器芯片,开发人员能够快速设计出满足超过 85 个国家/地区法规要求的物联网设备。 基于全新 的Impinj 读写器芯片,全球 20 多家 Impinj OEM 设备合作伙伴目前正在开发数十种新产品,包括 CAEN RFID、Chainway, Convergence Systems Limited、 Hopeland、JADAK(Novanta 下属公司)、MTI、RoyalRay 和 SILION TECH。
Chainway 总经理 Albert Yang 表示:“Impinj E710、E510 和 E310 读写器芯片采用高度集成的全新 RAIN RFID 单片系统和开发套件,让我们能够在多个开发项目中重复使用设计成果,大大缩短了我们产品的上市时间。 “我们现已推出两款全新的可穿戴设备:根据这些全新 Impinj 读写器芯片打造的手持式读写器和打印机。”
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。