作为一家内存大厂,Patriot博帝也有自己的固态硬盘产品线,但不是很常见。今天,亚马逊提前列出了博帝的一款新固态硬盘,名叫“Torch”(火炬),很值得关注。
它还是传统的SATA 6Gbps 2.5寸盘,7毫米厚度,主控采用了最新款的群联电子Phison PS3110-S10。如今这家主控厂商的物美价廉的方案是越来越普及了。
海盗船刚刚推出的Neutron XT系列用的也是它,号称很先进,四核心加企业及特性,不过从实际测试看表现一般,不知道是不是优化不到位的缘故。
闪存方面,Torch的容量暂时只有两种120GB、240GB,颗粒是来自美光的16nm MLC NAND,此前只在美光入门级的MX100系列中用过。
规格上看起来很强悍,240GB的持续读写速度高达555MB/s、535MB/s,已经是SATA 6Gbps下的绝对极限了,120GB的也能达到545MB/s、430MB/s。
不过,海盗船的Neutron XT也是标称很高,实测一般,而且也没有看到Torch的随机性能。
亚马逊给出的价格是66.63美元、106.11美元,约合人民币410元、650元,基本还可以接受,批量上市后如果都能再便宜一百块钱就好了。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。