ZD至顶网服务器频道 11月11日 新闻消息(文/邹大斌): 11月2日,2016 ARM年度技术论坛(北京场)在京举行。ARM全球营销和战略联盟副总裁Ian Ferguson与ARM应用市场事业部总经理Noel Hurley亲临大会现场,分享了ARM “从端到云”各细分领域的最新动向,包括ARM在CPU IP和支持工具最新的技术更新、ARM在服务器市场的布局与规划,以及ARM在信息革命下一次突破性转型“物联网”中所扮演的重要角色,助力创造可扩展并安全的物联网世界。
本次大会上,物联网是嘉宾们探讨最多的热点话题。这也是ARM的战略重点。目前,每天,超过4千万基于ARM架构的芯片由合作伙伴出货,应用于众多产品并被世界各地的消费者与企业所采用。由于ARM架构天生具有低能耗的特点,因此这些产品被大量应用在物联网领域。
实际上,ARM也致力于在“物联网”时代将扮演核心角色。不久前,ARM刚刚推出了目前为止最全的物联网产品组合,将其安全性、能效、低功耗连接和设备生命周期提升到新的水平,具体包括:将成熟的TrustZone技术拓展至Cortex-M处理器,能最快、最低风险地推出基于ARMv8-M架构的SoC,能更自由进行物联网连接的下一代ARM Cordio radio IP,以及ARM首款基于云的SaaS。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。