至顶网服务器频道 10月10日 新闻消息(文/刘新萍): 对于政府、医院、大中型企业数据集成平台来说,高密度的应用对服务器架构提出新的需求。数字化大潮下,联想一直致力于为客户的智慧化转型提供强有力的基础支持,ThinkSystem SR650服务器即是联想服务器实力的体现之一。ThinkSystem SR650是一款2U 双插槽服务器,针对大中型企业和分布式环境进行优化,可提供企业级可靠性与性能。它整机的强大业务兼容能力,稳定高效的性能和灵活强大的扩展性,都足以胜任目前超高速数据发展中心的业务操作。
灵活可靠,面向计算密集型工作负载
对于大中型企业的云服务提供商而言,Lenovo ThinkSystem SR650是理想的 2U 双插槽服务器,也是在全球范围内获得广泛使用的服务器类型。采用多样性存储配置,经过优化,其系统可满足任何工作负载的性能和成本需求,尤其适用于严苛的计算密集型工作负载,同时提高成本效益。凭借205W CPU、低延迟 NVMe 硬盘和大功率 GPU,可实现卓越的性能。
秉持联想一贯的高可靠性传统,高度灵活且可配置的 SR650 拥有 Lenovo 经年累月建立起来的可靠性,是超融合基础架构 (HCI) 或软件定义的存储 (SDS) 的理想平台。它为利用验证过混合云设计将物理资源转化成服务、验证的大数据设计分析流数据和验证的 OLTP 数据库提高虚拟化事务系统的生产力提供了基础,可真正意义上根据客户需求实现计算和存储的灵活配置,打造超融合一体机。
可扩展性,奠定业务稳定发展基础
从功能方面考虑,在满足了可靠性要求下,基于ThinkSystem SR650在CPU、缓存、内存和I/O等设计上偏向计算密集型业务,因此该款服务器在CPU密集型的业务的扩展上有较好的表现。
ThinkSystem SR650搭载多达两个2 个功能强大的英特尔?至强?处理器可扩展处理器家族的处理器,与上一代服务器相比,内核数量增加27%,内存容量提高了2倍。它支持两个300W高性能GPU和ML2 NIC适配器,具有共享管理功能。独有的Lenovo AnyBay 技术,可让硬盘同时支持SAS/SATA/NVMe SSD。
标准化方面同样可圈可点。主板上的四个直连式NVMe端口能够以超高速度读取/写入NVMe驱动器,并通过避免使用PCIe交换机适配器来帮助降低成本,更利于统一使用和自动化管理。此外,ThinkSystem SR650还可以对存储设备进行分层管理以提高应用性能,进而提供最具成本效益的解决方案。可选的镜像M.2驱动器可确保可靠性以及快速完成操作系统初始化。此外,SR650还采用了80 PLUS 铂金和钛金认证电源,可在45°C的温度下持续运行,进而帮助降低运维成本。
7月20日, 联想发布全新ThinkSystem数据中心基础设施和解决方案产品组合,包括14款服务器平台、7款存储产品、5款网络产品。基于该全新的产品系列,联想开发了可用于集中管理ThinkSystem服务器、存储和网络的虚拟化应用,它采用可重用的模式和策略,用软件能定义加速并扩展了基础架构配置和维护。
Lenovo XClarity Controller 是一款全新的嵌入式硬件管理引擎,广泛用于ThinkSystem服务器。XClarity Controller 设计了整洁的图形用户界面,符合 Redfish 要求的行业标准 REST API,启动时间与固件更新速度较上一代产品更快速。
作为虚拟化应用程序的Lenovo XClarity Administrator,可集中管理ThinkSystem 服务器、存储和网络。通过可重复使用的模式和策略,可提升并扩展基础架构配置和维护。可作为中心集成点,将数据中心管理流程扩展到物理 IT。在内部 IT 应用程序中运行 XClarity Integrator,或者通过 REST API进行集成,有助于进一步加快服务配置,简化 IT 管理并控制成本。
凭借化繁为简的管理策略,Lenovo服务器的可靠度在业内始终高居榜首,赢得了业内最高的客户满意度评分。
作为联想ThinkSystem全新服务器系列产品的重要代表之一,ThinkSystem SR650曾在国际权威TPC-E服务器联机事务处理(OLTP)性能测试中,以6,598.36 tpsE的成绩创造了该项测试的最新世界纪录。测试结果表明,SR650凭借优异的性能、可靠性与灵活性及可扩展性,能够在降低成本的同时,从容应对密集型工作负载,为企业带来颇为丰厚的无形价值。
好文章,需要你的鼓励
这篇研究揭示了大语言模型强化学习中的"熵崩塌"现象——模型在训练早期迅速失去探索能力,导致性能达到可预测的上限。研究者发现验证性能和策略熵之间存在精确的数学关系:R = -a·exp(H) + b,并深入分析了熵变化的内在机制。基于这些发现,他们提出了两种简单有效的方法(Clip-Cov和KL-Cov)来缓解熵崩塌问题,显著提升了模型性能,特别是在困难任务上。这项研究为大模型强化学习的规模化应用提供了关键指导。
Skywork OR1是昆仑公司AI团队开发的开源推理大模型,通过创新的强化学习方法显著增强了语言模型的推理能力。该研究基于DeepSeek-R1-Distill模型系列,采用名为MAGIC的训练方法,在AIME24、AIME25和LiveCodeBench三大基准测试中实现了显著性能提升,32B模型平均准确率提高15.0%,7B模型提高13.9%。研究团队通过系统研究策略熵崩塌现象,提出了有效的缓解策略,并开源了全部代码、数据和模型权重,为AI社区提供了宝贵资源。
上海交通大学研究团队发现多模态大语言模型中的"啊哈时刻"(自我反思模式)虽存在但并不意味着推理能力提升。他们提出了"冷启动强化学习"两阶段方法:先用监督微调建立推理模式,再通过强化学习优化。实验表明,这种方法在多个多模态数学推理基准上表现卓越,使3B参数模型达到接近甚至超越部分7B模型的性能,为增强多模态AI推理能力提供了有效路径。
MBZUAI研究团队开发的SVRPBench是首个模拟真实物流环境的随机车辆路径问题基准测试平台。它通过建模时间依赖的交通拥堵、概率性延误和客户特定时间窗口,为500多个包含最多1000客户的测试实例注入真实世界的不确定性。实验结果显示,先进的强化学习算法在分布变化时性能下降超过20%,而传统方法表现更为稳健。该开源平台通过GitHub和Hugging Face发布,旨在推动更适应现实世界不确定性的路由算法研究。