ZD至顶网服务器频道 11月15日 新闻消息(文/董培欣): Intel完成对于 Altera 收购后,原 Altera SoC (片上系统 SoC:System on a Chip)开发人员论坛 (ASDF) 更名为Intel SoC FPGA 开发人员论坛 (ISDF),于2016年11月8号在北京举行。值此盛会,Intel公司可编程解决方案事业部嵌入式处理营销资深总监Chris Balough与大家共同分享了Intel在 SoC FPGA 方面的最新进展及未来发展方向。
在亲身参与了Intel SoC FPGA 开发人员论坛后才发现,现在我们已经被FPGA所环绕了。无论是工业制造、汽车仪表、航空航天、无线通讯还是在广播电视、视频分析、高清视频乃至于在数据中心的存储系统和万物互联的物联网中都有着FPGA的身影。
Altera在被Intel收购之后,会把Altera的FPGA产品带到他的Core还有Atom这些不同系列的CPU当中,还是FPGA会成为一个比较独立的产品线?产品生命周期会不会缩短?技术支持能力会不会降低?芯片内核会不会发生变动?在论坛采访活动中,Intel公司可编程解决方案事业部(Intel PSG)SoC FPGA产品营销资深总监Chris Balough向大家详细解答了这方面的问题。
Intel公司可编程解决方案事业部(Intel PSG)SoC FPGA产品营销资深总监Chris Balough
核心不变 协手Intel 做大做强
Intel并购Altera是为了不断扩大Altera的市场份额,利用Intel在芯片制造方面的技术优势,更先进的制造工艺,生产出更好的可以为客户带来更大价值的FPGA产品。从而不断地来扩大我们的市场份额,这是Altera与Intel并购的一个最主要的目的所在。
FPGA芯片的产品周期都是比较长的,一般都是15年,Intel在大家的印象中,是面向消费者的,它的产品生命周期会短一些,有一些传统的客户担心Altera并入了Intel之后,像Intel这种可编程解决方案事业部,产品生命周期是不是会有所缩短。可能大家根本没有意识到,Intel产品实际上的平均寿命周期已经达到12年。而且Inte也明确告诉参会的与会者,Intel实际上进入到嵌入领域已经有30年的时间了,所以他们也知道在嵌入领域长生命周期的重要性。在FPGA产品中,Intel只会利用现在所有的优势帮助我们增强竞争力,能够在市场上不断地获胜,获得更多的市场份额。
在服务和技术支撑模式上,FPGA的销售和支撑部门还隶属于Altera,就是现在的PSG事业部门,仍然是全力的关注,给Altera这个产品来提供服务和支撑,所以我们在服务和支撑方面的这些承诺是不会改变。
关于SoC FPGA使用的是什么内核,什么处理器,大家都知道Altera的FPGA使用的是ARM内核。所以这些客户,他自然会有一些担忧和关切,害怕Intel会要求我们使用Intel的架构,而不是使用我们原有的ARM的架构。
在这里Chris Balough强调,现在Altera就变成了Intel的PSG事业部,现在所开发出来的这些SoC,它默认的处理器是ARM架构,从Intel角度来说,它传统的这些处理器会逐渐增加FPGA的功能,所以从公司角度来说,Intel能够给市场或者给客户提供最广泛的SoC FPGA的产品。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。