惠普着手开发全新类别的存储与内存技术已有多年,这项称之为“忆阻器”(Memristor)的新技术,有望以某种形式的堆栈式内存来取代DRAM和NAND。
尽管其算不上秘密、也算不上受欢迎,但惠普依然选择了与SanDisk携手打造一些基于忆阻器的存储设备,并将之推向数据中心和其它企业。
惠普的目标很简单,那就是为商业客户开发高端产品。
未来几年,惠普忆阻器与三星/英特尔之间还有一场硬仗要打。
惠普的忆阻器技术将与英特尔的3D XPoint和三星的3D NAND展开直接竞争,其旨在打破传统内存(RAM)与存储之间的隔阂,速度可达NAND闪存存储的1000倍,但是没有传统的RAM那么快。
好的一面是,与断电就丢数据的RAM不同,忆阻器和3D XPoint更类似,因为它在断电的情况下仍然可以保持数据,这这点与传统的闪存也很像。通过结合双方的优点,可以更好地实现性能和成本(能源/环保)方面的均衡。
惠普与SanDisk倾向于把新式忆阻器数据存储内存叫做“存储级内存”(Storage Class Memory),毕竟它是专为数据中心而打造的。但是在3D XPoint面前,它能否赢得客户的心,目前还是个未知数。
尽管惠普揭晓忆阻器的时间更早,但其进步的速度还是赶不上英特尔,且“事实标准”向来都更容易落到更强势的那一家。
早在今年的开发者论坛(IDF 2015)上,英特尔就已经展示过首款3D XPoint SSD。该设备拥有6GB/s的带宽,并且兼容DDR4和PCIe 3.0 x4插槽。
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。