近日,联想集团推出了全新P系列家族新品--ThinkStation P318工作站。秉承"Think"品质、创新、人本设计三大基因,全新设计带来了全新体验,同时引入了灵巧锁及智能USB屏蔽等安全设计,再次诠释了联想P系列工作站的稳定可靠与灵活易用的性能,助用户轻松应对工作挑战。
新品采用了全新18L机箱设计,支持自由选配Quadro系列专业显卡或GTX高性能显卡,由内部及外部的全面革新为深度学习、VR内容创建、游戏开发、安防监控、三维设计等行业用户带来全新应用体验,为设计工作赋能。
全新设计 内外兼修
全新的ThinkStation P318采用了全新的18L小机箱设计,拆卸提手后较上一代产品可节省42%的桌面空间,将更多的桌面空间留给办公所需。同时ThinkStation P318沿用了P系列工作站的免工具拆装设计,沿红线引导即可实现拆卸维护,大幅降低了维护难度,为IT管理人员缓压,同时降低企业运维成本。
在硬件方面,ThinkStation P318最高可选配英特尔@酷睿? i7-7700处理器,采用最新的14纳米工艺,四核八线程规格3.4GHz主频,最大睿频可以达到4.2GHz,但功耗仅为65W,更低能耗的同时带来更出色的性能体验。在图形显示方面,最高支持NVIDIA Quadro P600专业设计3D显卡, 可呈现出最高画质立体 3D 环境并可支持单卡8个显示器扩展应用。值得一提的是,用户可自由选配NVIDIA GTX1060、GTX1070、GTX1080高性能显卡,为游戏开发,深度学习及VR内容开发等诸多行业用户提供更多可能。
同时,联想ThinkStation为优化运行各种业界领先应用程序的性能和可靠性,与ISV软件厂商开展深度合作,联想投入了大量工程研发工作并进行了严格的测试。一系类对软硬件组合的认证,确保客户的应用软件在ThinkStation上充分发挥最大效能。
安全设计 彰显专业
ThinkStation P318专注商用领域,除了为用户带来内外部的全新设计外更引入了安全设计理念。主板采用了顶级英特尔@Q270芯片组,支持vPro技术,重要的安全软件就可以在后台防篡改的隔离虚拟分区上时时运行,防止黑客、病毒(蠕虫)对信息的窜改和破坏,同时不影响用户执行密集型计算应用。
另一方面,ThinkStation P318新品加入了灵巧锁设计,用户可将有线键盘和鼠标插口固定于机箱本体上,需打开机箱侧面板后才可解锁,有效保护键盘和鼠标丢失。新品同时提供智能USB屏蔽功能,用户可在BIOS设置中仅识别键盘鼠标等非存储类设备,或设置单个USB端口全部允许或屏蔽使用,为用户数据安全多一层保障。
机器学习 智慧应用
随着近年人工智能的深度发展,对硬件的计算需求愈发强烈,高性能GPU可提供高效的并行计算,为用户快速开始迭代深度学习网络,大大提升深度学习能力。ThinkStation P318可搭载Pascal架构的 GTX 1080高性能显卡,其核心频率达到了惊人的1607MHz,凭借超高的基础频率和庞大的运算规模,拥有9 TFLOPS的超高单精度浮点运算能力,完美贴合深度学习的大量矩阵、卷积运算的需求。
同时,对于深度学习工作而言,电源常常成为被忽视的问题。稳定的电源是一个深度学习工作站的根本,ThinkStation P318 可选配80Plus铂金电源,在电压稳定性、纹波、转换效率、保持时间上为用户带来顶级表现,不为深度学习运算拖后腿。
此外,ThinkStation P318出厂可选"联想远程管理平台"软件,任何软件、硬件问题可直接呼叫专家与工程师来在线交流,并可远程协助支持。并为用户配备了专业售后服务团队,可实现7x24小时技术支持并快速携带备件上门,为用户业务稳定运行提供坚实保障。
作为联想工作站家族新成员,联想ThinkStation P318以其商务设计,灵活的选配为用户提供最具性价比的解决方案。加之Think家族高品质基因,定将成为深度学习、VR内容创建、游戏开发、基础设计、安防监控等诸多行业用户的智慧之选。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。