ZD至顶网服务器频道 11月01日 新闻消息:微软认为Open Compute Project(OCP)发展得太慢了,所以放弃了一些不完善的服务器设计,以图加快速度。同时,微软也认为开源硬件就像开源代码一样需要Alphas的参与。
微软谦虚地将“奥林巴斯项目”( Project Olympus)称为新的努力,它“既是我们下一代超大规模云计算硬件设计,也是一种和OCP社区一起进行开源硬件开发的新模式。”
新模式优先:微软之前同OCP的合作使该公司相信“目前开源硬件开发不像开源软件那么灵活和快速迭代。”
Azure Hardware Infrastructure的总经理Kushagra Vaid曾经写道,“开源硬件开发当前的流程是贡献已经做好产品化准备的设计。在这个阶段,设计已经基本上完成了——几乎是100%完成了——而最新的贡献拖慢了衍生设计的开发,限制了交互式社区参与和使用,拖慢了整体交付进度。”
因此,微软决定发布其新的服务器设计,Vaid表示它“大约完成了50%。”
微软认为其他的OCP参与者将采用它的设计,找到尽可能最好的方式,让该项目下一版的规范能够反映新设计上所有的裁减。
现在对于服务器来说,这就看起来很有趣了。
微软表示,Olympian服务器将提供“一个新的通用主板、包含电池的高可用性电源、1U/2U服务器机箱、高密度存储扩展、一个新的针对全球数据中心互操作性的通用机架PDU以及符合标准的机架管理卡。”
这个购物清单上所有的东西都将是模块化的,这样系统的构建者就可以自己发挥了。
微软将把Olympus服务器机箱接口、通用主板和PDU放在GitHub以及该公司承诺将很快发布的全机架规范中。
微软愿意这么早就公开自己的硬件思路,表明该公司相信云计算的差异化在于软件和操作技能,而不是硬件。AWS和谷歌也加入了OCP,因此可以假设会有很多产品看起来很相似。无论如何,至少是其中一部分会看起来非常相似:AWS正在为机架式模块计算单元申请专利,这并不是OCP鼓励的做法。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。