英特尔与美光科技将解除双方的全球3D XPoint存储级内存业务合作关系。
两家公司各自发布了一份措辞相同的声明,指出“双方就第二代3D XPoint技术的联合开发工作已经顺利完成这一结论达成共识,相关收尾工作预计将在2019年上半年结束。第二代之后的3D XPoint技术开发工作将由双方各自独立完成,以便针对各自的产品与业务需求进行技术优化。”
两家公司都没有就解除合作伙伴关系给出具体理由,但美光公司技术开发执行副总裁Scott DeBoer在声明中表示“通过独立开发3D XPoint技术,美光公司将能够更好地优化自身产品路线图,同时最大限度为我们的客户与股东创造价值。”
英特尔公司非易失性存储器产品总经理兼高级副总裁Rob Crooke指出,芯片巨头对Optane迄今为止在消费级与商业设备领域的表现非常满意,并将继续推动这一势头以扩大其领导地位。
虽然双方分道扬镳的消息令人惊讶,但此类状况并非没有先例。早在2018年1月,两家公司在合作开发出这项技术之后,即开始分别着手构建3D NAND产品。当时的原因与目前如出一辙:双方对于产品的市场推广各有看法,因此不适合继续被捆绑在一起。
不过双方之间的合作关系尚未彻底结束,因为他们仍将继续共享位于犹他州的3D XPoint生产设施。不过双方将不再共享各自开发工作中的私密细节。
这就给我们留下了一个开放性的问题——他们的未来目标究竟是什么?这个问题并不难回答,因为英特尔公司一直在PC与服务器领域占据着统治优势,同时亦对存储设备抱有兴趣。而双方虽然在SSD层面存在交集,但美光公司的主要业务在于为客户提供存储器方案。考虑到这点,英特尔应该会继续开发适用于至强以及酷睿CPU的Optane产品,而美光则为其它各类设备提供与之配套的3D XPoint存储方案。
当然,也可能双方根本不把此次分别当回事——毕竟根据报道所言,两家公司对这项技术的实际需求都比较有限。
好文章,需要你的鼓励
这项来自麻省理工和滑铁卢大学的研究质疑了在AI文本排序中"思考过程"的必要性。研究者比较了三种文章重排模型:直接判断的StandardRR、先推理再判断的ReasonRR,以及禁用推理功能的ReasonRR-NoReason。实验结果表明,不仅推理过程没有提高排序质量,有时甚至会降低效果。主要原因是推理导致模型倾向于极端判断,难以表达"部分相关"这种微妙关系。即使应用"自洽性"等改进技术,简单直接的判断方式仍然更为高效有效。研究为信息检索系统设计提供了新视角:有时,少即是多。
TAGS是一种创新的医学问答框架,结合了泛医和专医两种视角,通过层次化检索和不确定性验证机制提升医学AI回答的准确性。该框架由穆罕默德·本·扎耶德人工智能大学等机构的研究团队开发,无需任何模型微调即可显著提升包括GPT-4o和DeepSeek-R1在内的大型语言模型在九个医学问答基准测试上的表现。TAGS通过模拟医疗专家协作、结构化知识检索和质量控制,解决了现有方法在复杂医学推理中的短板,为构建更可靠的医学AI系统提供了新思路。
这篇研究提出了时间抽象值学习(OTA)方法,解决离线目标条件强化学习中的长期规划问题。研究团队发现现有分层方法失败的关键在于高层策略无法生成合适子目标,原因是价值函数在长期规划中估计不准确。OTA通过"选项"概念实现时间抽象,有效缩短规划视野,使价值函数能提供更准确的优势信号。在复杂迷宫导航和视觉机器人操作任务中,OTA显著优于现有方法,证明了该方法在处理长期任务时的有效性。
这项研究探索了大语言模型内部可解释特征的形成过程,分析了它们在训练过程中(时间)、模型层级间(空间)和不同规模模型(尺度)的行为变化。研究团队使用稀疏自编码器技术,成功识别出特定语义概念在神经激活中出现的时间点和位置。研究结果显示,不同领域的知识概念在模型训练和规模扩展中存在明确的激活阈值,且在空间分析中发现了早期层特征会在后期层重新激活的现象,这挑战了对变换器模型表示动态的传统认知。