内存芯片制造商美光科技一直高调宣称其封装内存将给英特尔的“Knights Landing”处理器带来显著提升,而从今天的发布内容来看结果似乎确实比较乐观。
该公司2014财年第三财季营收为39.8亿美元,相较于同财年第二财季下滑了3%,但与上年同期相比则迎来72%的显著反弹。不过这样的结果并不像表面上看起来那么出彩,这是因为其销售额很大程度上是由Elpida内存产品所贡献。美光于去年收购了这家日本DRAM制造商,旨在帮助自身实现规模经济效应。
本财季美光公司的净收益为8.06亿美元,远高于上年同期的4300万美元、较2014财年第二财季的7.31亿美元同样实现了10.3%的环比提升。不过连续数个季度的营收跌趋势仍然未能得到扭转,此次3%的跌幅主要源自其NAND产品。
尼古拉斯公司总经理Aaron Rakers指出,美光在本财季中拿下了8.67亿美元的NAND产品营收数字,低于上财季的9.01亿美元。
美光自有品牌SSD产品的营收额度仅占整体闪存营收的20%,但其增长速度却比第二财季高出60%以上。
该公司的DRAM营收为18.57亿美元,与上财季的18.35亿美元基本持平、而远高于上年同期的9.24亿美元。美光方面迎来了强劲的服务器DRAM出货态势,这主要是受到数据中心与企业客户旺盛需求的推动。
美光公司表示,目前市场对于PC DRAM产品的需求比其初始预期更为旺盛,这主要归功于企业PC设备的更新换代以及原本存在的一部分供应能力限制。
该公司还打造了一项TLC(即三层单元)闪存路线图,TLC产品的单位存储成本低于每个存储单元可容纳2 bit的MLC闪存,但其使用寿命也大大低于后者。美光预计将在今年年底推出16纳米TLC闪存组件样品,并在2015年第二季度利用该NAND芯片构建消费级/零售客户SSD产品。
美光方面并未对其3D NAND计划作出评述,不过该公司认为3D NAND并不会在2015年下半年之前给存储业界带来重大影响。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。