ZD至顶网服务器频道 03月10日 新闻消息:今日获悉,高通(Qualcomm)和红帽(Red Hat)正在将企业版Linux移植到高通即将推出的64位ARM服务器处理器上。
具体来说,两家公司正在“合作”将红帽的企业Linux服务器ARM开发预览版移植到高通去年10月展出的24核ARMv8-A芯片上。正如其名字所说的那样,红帽的ARM开发预览版只是红帽企业Linux 的ARM构建版的半成品版。
高通周三发声明表示,“高通科技(QTI)和红帽公司成功在高通的服务器开发平台(SDP)上启动了红帽的ARM版企业Linux服务器。”
红帽ARM合作伙伴早期访问计划(PEAP)参与者可以获取该款没有支持服务的ARM Linux移植版,如果可以弄到硬件就可以在高通的ARM服务器芯片和开发板运行。QTI的服务器处理器几个月后才会在市场上有售。
另一个选择是Linaro上周三推出的新的、由ARM服务器驱动的开发商云,用户可用该开发者云访问高通的数据中心级芯片,或是其竞争对手的ARM服务器处理器。
嵌入式工具链制造商Linaro今天在一份声明中表示,“该开发商云是基于OpenStack的,底层的云操作系统的基础架构利用了Debian和CentOS。”
声明称,“该开发商云用的是来自Linaro成员AMD、Cavium、华为和高通的基于ARM的服务器平台,该平台会随需求扩展,在新的服务器平台进入市场后亦会进一步扩展。据悉,该平台将涵括单插槽、双插槽配置以及10/40GB网络、可扩展存储和ARM合作伙伴在市场上推出的整合加速器。”
有意者可以在网上申请访问该服务。
好文章,需要你的鼓励
ETH Zürich等机构研究人员提出TrustVLM框架,解决视觉-语言模型预测可信度问题。该方法利用模型中存在的"模态差距",创新性地结合图像到文本和图像到图像的相似度,实现无需重新训练即可大幅提升误分类检测性能。在17个数据集的严格测试中,TrustVLM相比现有方法在关键指标上提升显著,同时改善了零样本分类准确率。此成果为AI系统在自动驾驶、医疗等安全关键领域的可靠部署提供了重要保障。
这项研究提出了个性化安全概念,解决大语言模型对不同用户采用统一安全标准的问题。研究团队创建了PENGUIN基准测试集评估模型在处理高风险场景时的个性化安全能力,并开发了RAISE框架高效获取关键用户信息。实验表明,提供用户背景可使安全分数提高43.2%,而RAISE框架通过平均仅2.7次交互即可提高安全分数31.6%。这一创新方法将AI安全从"一刀切"转向"个性定制",为高风险领域的AI应用提供了新思路。
明尼苏达大学研究团队提出了一种创新方法,通过回合级信誉分配显著提升大语言模型(LLM)智能体的多回合推理能力。传统方法只对整个过程进行评价,而他们的MT-GRPO算法能够精确评估每个决策步骤的价值,就像为每一步提供具体反馈。在维基百科搜索工具使用场景中,该方法实现了100%的工具执行成功率和50%的答案精确匹配率,远超传统方法。这一突破不仅提高了AI在多步骤任务中的表现,也为开发更复杂的AI系统提供了重要思路。
这篇研究介绍了PISCES——一种能精确从大语言模型参数中移除特定概念知识的创新技术。与现有方法不同,PISCES通过解缠器模型识别概念相关特征,直接编辑模型参数,实现了更精准的知识移除。在Gemma和Llama模型上的测试表明,该方法不仅有效降低了目标概念的准确率(低至7.7%),还保持了模型在无关领域的高性能,并显著提高了对"重新学习"的抵抗力。这一突破为AI系统的安全部署和合规使用提供了新的可能性。