是时候该跟平凡无奇的NOR快闪记忆体说再见了?美光科技(Micron)最近发表最新XTRMFlash系列产品,号称速度可达到3.2Gb/s,而且与目前市面上的串列式NOR快闪记忆体接脚相容。
美光嵌入式业务部门NOR快闪记忆体产品总监RichardDeCaro表示:“并列式快闪记忆体的时代已经结束了,美光新推出的XTRMFlash将可在接下来取代目前市面上的并列式与串列式记忆体──也许除了一些低密度应用。”美光将为新产品推出容量从128Mb~2Gb的产品,目前第一波512Mb的产品已可提供样品。
美光已经取得了包括飞思卡尔半导体(Freescale)在内数家大型晶片供应商的背书;XTRMFlash新产品的问世也正与研究机构Databeans最新预测相符──该机构预期,车用半导体营收规模将由今年的285亿美元扩展至2020年的400亿美元,其中有大部分应用是取决于NOR快闪记忆体,包括GPS、卫星无线电、车辆对车辆通讯以及车用资通讯娱乐系统。
根据DeCaro的说法,XTRMFlash的性能超越并列式、串列式以及Quad-SPI等类NOR快闪记忆体,其接脚数比目前的并列式NOR快闪记忆体减少75%;此外该技术的随机存取时间最快83奈秒(nanoseconds)、循序位元组读取(sequentialbyteread)最快2.5奈秒,传输速度400MB/s(高于并列与串列快闪记忆体)。
XTRMFlash也能与目前串列式快闪记忆体采用的QuadSPI接脚相容,只需小幅改变电路板设计就能达到上述的性能规格。美光表示最近已经在一些热门的汽车、工业与消费性领域“永不关机”应用,测试其XTRMFlash记忆体,能为人机介面、图形式使用者介面(GUI)、仪器仪表、车用资通讯系统与先进驾驶人辅助系统(ADAS)带来及时性的成功。
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。