NVIDIA宣布全球最先进的数据中心GPU——基于NVIDIA Volta架构的NVIDIA Tesla V100 GPU——现已通过主流计算机制造商正式推出,并被各大云服务提供商采用,以实现人工智能与高性能计算。
Dell EMC、Hewlett Packard Enterprise、华为、IBM与联想均已宣布向其客户提供基于Volta的产品。阿里云、AWS、百度云、Microsoft Azure、Oracle Cloud和腾讯云等提供商也已宣布推出基于Volta的云服务。
在该产品得以广泛采用的基础上,NVIDIA还推出了针对NVIDIA GPU Cloud(NGC)容器注册的全新软件及工具,以助力科学家们轻松部署NVIDIA的加速计算平台,开展计算密集型研究。
NVIDIA在SC17超算大会上公布了上述消息,同时数十家计算机制造商与云服务提供商也在此次大会上推出了多款基于Volta的产品与服务。NVIDIA创始人兼首席执行官黄仁勋表示:“Volta是世界上最强大的人工智能与高性能计算平台,能够助力全球最顶尖的科研人员在新药研发、替代能源和自然灾难预测等领域取得突破性进展。部署于全球各地的数据中心与云端的Volta必将引发新一轮创新,进而为全社会带来无与伦比的影响。”
有500多款高性能计算应用均采用了GPU加速,其中包括一些业界最为广泛采用的应用。然而,对于想要利用这些应用的科学家们,部署的复杂性则成为其面临的最大挑战之一。
NVIDIA面向科学计算应用与高性能计算可视化工具的全新容器让用户能够访问许多广泛应用的GPU优化型高性能计算软件。如今,它们也加入了NVIDIA于上月推出的NGC容器注册中GPU优化型人工智能框架与深度学习应用的行列。
这些新容器让研究人员能够仅通过NGC这一单一资源,轻松、免费获取对于其科学工作流程必不可少的人工智能框架、高性能计算应用和可视化工具。
借助NGC,科学家与研究人员可以将精力集中于研发,而不必劳心设置和部署科学计算应用,也不必耗费大量时间来安装复杂的资源密集型软件和更新。有了基于NGC 的GPU优化型高性能计算容器,这一需要耗费数天或数周时间的繁琐工作就能够转变为只需几分钟就能搞定的简单任务。
上述高性能计算应用容器包含了多款非常流行的第三方科学应用,包括:GAMESS、GROMACS、LAMMPS、NAMD和RELION。
基于NGC的高性能计算可视化容器Beta版现已面市,其拥有业界领先的可视化工具,其中包括搭载NVIDIA IndeX体积渲染的ParaView、NVIDIA Optix光线跟踪库、以及可实现交互式实时可视化与高清视觉效果的NVIDIA Holodeck。
用户只需注册NGC帐户,就能通过NGC容器,免费使用整套的GPU加速深度学习、高性能计算应用和高性能计算可视化容器。高性能计算容器可运行于任何NVIDIA Pascal及其后推出的NVIDIA GPU加速系统,包括本地工作站、NVIDIA DGX系统和高性能计算超算集群。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。