2022年12月1日,超聚变数字技术有限公司(以下简称:超聚变)和爱思开海力士(无锡)半导体销售有限公司(以下简称:SK海力士)宣布正式成立“内存联合创新实验室”,携手打造更高性能、更优能效、更高可靠的内存解决方案。SK海力士大中华区总裁金起贤,技术VP崔龙寿以及超聚变采购领域总裁王智,算力基础设施产品部部长郭瑜出席揭牌仪式并进行会谈交流。
随着内存需求的不断增长,DDR4逐渐难以满足市场需求,内存的更新迭代成为必然趋势。DDR5的推出将为服务器提供更高的性能和效率,包括更高容量、更高带宽以及更好的可靠性和可服务性。与此同时,服务器设计和内存验证也将面临更大挑战。
超聚变- SK海力士内存联合创新实验室,将聚焦服务器领域,针对内存条新产品联合认证、故障分析、BIOS、故障诊断等方面展开技术创新合作,共同打造高质量、高可靠性内存条。
SK海力士大中华区总裁金起贤表示:“超聚变是SK海力士重要客户兼合作伙伴,两家公司一直在内存技术上有着深厚合作,明年将迎来DDR5的发货上量,在DDR5产品上,SK海力士拥有业界领先的制程和技术,希望通过联合创新实验室的技术合作,双方能共同打造竞争力产品,取得商业成功。”
超聚变采购领域总裁王智表示:“超聚变致力于提供领先的算力基础设施与服务,离不开SK海力士等行业TOP供应商的支持,SK海力士作为全球DRAM和NAND行业巨头,是超聚变的重要合作伙伴,此次内存联合创新实验室的成立,将进一步强化双方合作深度,充分发挥双方在算力和内存方面的技术优势,形成互补协作关系,促进双方共赢发展。”
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。