三星在TLC闪存上是最卖力的。这种廉价闪存虽然性能差点、寿命短点,但是便宜,而且无论理论还是实际测试都表明足够日常使用。可不知怎么的,TLC闪存的840 EVO去年被发现存在老数据读取速度下降的问题。尽管没有直接证据可以证明问题源于TLC,但人们心里还是有个疙瘩。(iPhone 6 TLC闪存问题更是闹得沸沸扬扬)
后来,三星通过更新固件修复了这个问题,似乎都过去了……
但是,三个月过去了,现在有不少用户抱怨说,掉速的问题依然存在,而他们早就刷新了修复固件。
这是某用户的HD Tach测试结果,平均读取速度还不到200MB/s,而且高低起伏很明显。
另一个人的情况稍微好些,但也有点不稳定。
又一位的,SSD Read Speed Tester(会根据文件日期分别显示各自的性能)跑下来310-330MB/s的样子,损失了足足200MB/s。
还有更多哦就不一一贴出来了,可以看看这个帖子。
TechReport已经就此联系了三星,正在等待官方回复。
他们的一位编辑就有块840 EVO,也刷过新固件了,但是测试发现没有异常,不过他最近开启了NTFS压缩,这会刷新数据,不能作为证据。
TechReport还同时公布了一些有趣的是测试数据。
修复固件刚发布的时候,他们在一块840 EVO 250GB里填满了电影、MP3、照片等,静置三个月,再拿出来进行测试。首先是HD Tach:
35MB/s的读取速度?这还是固态硬盘吗?!
SSD Read Speed Tester显示所有文件都是15个星期,平均读取速度45MB/s,部分超过100MB/s。
不但如此,传输率也受到了极大影响,从上边往外拷贝文件速度也极慢。
接下来重新格式化,载入原来的数据,再跑一遍:
满血复活。HD Tach 430MB/s,提升12倍。
SSD Read Speed Tester更是高达529MB/s,提升10倍。
不过,总不能过一段时间就格一次吧?
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。