中国,北京,2024年4月23日——海量数据存储解决方案的领先创新者希捷科技(NASDAQ: STX)日前发布了年度环境、社会和治理(ESG)报告《可持续数据圈:2023财年ESG报告》。这是希捷的第18期年度报告,重点介绍了希捷在2023财年中在建设可持续、包容以及合乎道德规范的数据圈方面取得的进展,包括希捷在实现可再生能源和碳中和目标方面的最新进展。
希捷曾规划,到2030年使用100%可再生能源为制造和研发(R&D)设施供电。在这一方面,希捷取得了长足的进步。2023财年,希捷50%以上的能源消耗来自可再生能源。希捷在中国、泰国和北爱尔兰的设施100%采用可再生能源发电。希捷仍然致力于到2040年实现碳中和。
希捷科技首席执行官Dave Mosley博士表示:“在数据存储领域的可持续创新、推动循环经济发展和解决当今主要环境挑战方面,希捷处于领先地位。通过与行业同仁、客户、合作伙伴和政府机构合作,我们共同实现循环经济并积极推动变革。”
此外,2023财年,希捷通过其循环计划延长了约119万块机械硬盘和固态硬盘的使用寿命。通过翻新和重新部署这些硬盘,希捷避免了超过553公吨的电子垃圾进入填埋场1。
本财年的ESG报告的其他重点包括:
保护地球:
人才与治理
欲了解有关希捷ESG工作的更多信息,请访问希捷ESG页面:
https://www.seagate.com/esg/
1 假设每个硬盘的平均重量为465克。
好文章,需要你的鼓励
这项由华盛顿大学和新加坡国立大学研究团队提出的ScaleKV技术,针对视觉自回归模型中的内存瓶颈问题提供了创新解决方案。研究发现不同变压器层具有不同的缓存需求,将它们分为需要大量历史信息的"起草者"和专注于当前细节的"精细器",实现了尺度感知的KV缓存分配。实验表明,该方法能将Infinity-8B模型的内存需求从85GB减少到8.5GB,同时保持生成质量几乎不变,为高分辨率AI图像生成的普及应用铺平了道路。
这项研究提出了一种名为INTUITOR的创新方法,让大语言模型无需外部奖励即可自主学习推理能力。研究者利用模型自身的"自我确定性"作为唯一奖励信号,替代传统需要人工标注或答案验证的方法。实验表明,该方法在数学推理上与使用标准答案的方法相当,并在代码生成等跨领域任务上展现出更好的泛化能力。这为开发能在缺乏外部验证的情况下自我提升的AI系统开辟了新途径,对未来自主学习AI具有深远影响。
新加坡科技设计大学和字节跳动研究团队提出了"语音反向翻译"方法,解决语音识别中的数据稀缺问题。研究表明,仅用几十小时的标注语音数据就能训练TTS模型生成数万小时高质量合成语音,将数据扩充数百倍。他们引入归一化可理解度指标评估合成语音质量,确定了合成数据能有效增强ASR性能的质量阈值。将方法扩展到十种语言,生成了50万小时合成语音,对Whisper-large-v3模型进行预训练,平均降低错误率30%,对低资源语言尤其有效,错误率降低46%。
WINA是一种由微软等机构研究人员开发的训练无关稀疏激活框架,它通过同时考虑隐藏状态大小和权重矩阵的列式l2范数来加速大型语言模型推理。与仅基于隐藏状态选择神经元的现有方法不同,WINA能更精确识别影响模型输出的关键神经元,在理论上提供更紧的误差界限。实验证明,WINA在相同稀疏度下比最先进方法表现更优(提升最多2.94%),同时减少高达65%的计算量,为资源受限环境中部署大型语言模型提供了高效解决方案。