外部控制器接口特别兴趣小组(简称PCI-SIG)已经公布了PCI 5.0技术路线图,并计划于2019年正式发布这一速度高达每秒128GB的传输标准。这意味着上一代PCI 4.0的速度仅相当于新规范的一半。
特别兴趣小组在上周召开了其年度DevCon大会,此次会议的基本内容为要求每年三年将I/O传输带宽提升一倍,旨在借此追及400 Gbps以太网等其它传输能力提升的发展步伐。根据这一标准来判断,尽管PCI 4.0尚处于0.9版本,但PCI 5.0仍将于2019年正式发布。
本次会议上的其它重点内容还包括加快PCIe 4.0标准的普及速度:该规格提出的传输带宽水平为每秒64 GB。PCIe 5.0将把这一速度水平提升一倍,从而帮助设计师顺利实现其预期当中的各类实际应用场景——包括AI、机器学习、视觉计算、快速存储与双200 Gb每秒InfiniBand连接等。额外的传输带宽也将进一步提升GPU的实用性,允许其以更高密度实现部署。
PCI Express连接的过去、现在与未来每秒传输能力对比,其单位为“GT每秒”
PCIe 5.0目前已经迎来0.3修订版,并开始提供给该特别兴趣小组的700多名成员进行参考。事实上,其中众多成员目前仍在努力消化4.0版本方案——PCIe 4.0目前处于0.9版本,其“功能完整”且只待实际使用。特别兴趣小组表示,“我们的PCIe 4.0合规性测试引发了前所未有的高度关注,早期试用者已经测试了十余种每秒16 GT解决方案。”
这样的关注度亦在我们的意料之中,毕竟对于云计算以及AI这类工作负载而言,对于速度的需求几乎可以说永无止境。
PCI特别兴趣小组中囊括了全部大型PC与服务器制造商,因此一旦新标签得到通过,组件生态系统也将被快速建立起来。除了存储级内存,这项新规范还将为机器学习专用CPU、400 Gbps以太网以及未来几年内的加速计算方案带来巨大提升。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。