在进展缓慢的储存技术世界里,NAND Flash的普及速度算是极快,几乎每种储存产品都有其足迹,最主要原因就是速度。据TechTarget报导,NAND Flash刚推出时是市场上最昂贵的储存装置,后来供应商发现只要加入相对小量的快闪存储器,便可以大幅提升效能以快闪存储器技术为基础的储存装置也开始大受欢迎。
由美光(Micro)和英特尔(Intel)合作开发的3D XPoint技术,以及IBM根据相变化存储器(Phase Change Memory)修正后开发的新型态储存装置,在速度、耐用性和重复读写的次数的表现都比目前使用的NAND Flash更佳。
3D XPoint开发人员表示,新储存装置的速度和耐用度可达到NAND Flash的1,000倍,IBM则表示其开发的PCM在读取和写入速度方面比NAND Flash快上数百倍,预计可进行1,000万次读取循环。
虽然NAND Flash开创了固态硬碟(SSD)的时代,但在新技术不断出现的情况下,或许这只是挑战传统存储器和储存装置概念的开端而已。不论从哪一个角度来看,这些新技术都让NAND Flash看起来像是老旧技术。对于还在摸索NAND效能的使用者来说,很难想像这些数据代表的真正含意。
这些新储存装置与SSD基本上完全不同,而且更接近可永久储存的存储器。两者之间的明显的差异也反映在名称上,外界将这些新装置称为储存级存储器(Storage-class memory),听起来虽然奇怪,但也算是相当公正且适当的描述。
SSD可以达成许多硬碟无法完成的事,而IBM、英特尔和美光开发的新技术,则宣称可以消除储存来源和存储器之间的界线。以效能来看,这些新兴技术允许存储器分层与扩张,除了可以增加存储器的处理能力与资源,还可减少伺服器自永久储存装置存取资料的次数。
有趣的是,连传统硬碟(HDD)制造商也可受惠于SSD的普及,因为所有资料都必须有栖身之所。尽管近来推出的高容量NAND Flash装置可以满足需要,但是储存空间超大的硬碟还是有价格方面的优势。
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。