英特尔冀打造现代数据中心基础,为迅猛的数据增长提供解决方案,用的不是更强大的CPU功能,而是现场可编程门阵列(FPGA)加速器。
英特尔的基本思想是将旗下用了Arria 10 GX FPGA的Xeon服务器处理器与用了FPGA的英特尔至强CPU加速堆栈合在一起,达到提升性能和能效的目的。
据悉,戴尔EMC和富士通两家大型服务器原始设备制造商也加入了进来 ,戴尔EMC增加了R640、R740和R740xd对FPGA 的支持,富士通则为PRIMERGY RX2540 M4服务器优先客户提供早期访问权。
英特尔的重点放在财务风险分析和数据库加速两种特殊的工作负载上,这些工作负载将直接从配备了FPGA的服务器中受益。
在提高数据库性能方面,英特尔认为FPGA可在系统链的两个阶段(提取、转换、加载阶段和分析阶段)提高性能,进而使实时数据的复杂分析成为现实。
对于那些喜欢测试基准的人来说,英特尔宣称FPGA的实时数据分析速度提高了20倍,存储压缩比则提高了3倍以上。
利用FPGA提高数据库性能
英特尔可编程解决方案部市场副总裁Reynette Au表示,”戴尔EMC和富士通在主流服务器产品中用上英特尔FPGA的强大功能和灵活性,数据中心计算新时代即将到来。 我们为我们的客户和合作伙伴交付硬件性能优势, 令客户能够在软件开发环境中大规模地创建一系列丰富的高性能解决方案。”
除数据分析之外,英特尔认为人工智能、网络安全、视频转码和基因组学也可以从FPGA受益。
英特尔Arria 10 FPGA基于20纳米ARM Cortex-A9 SoC,可提供1.5 TFLOPS的DSP性能,配有96个3.3 Tbps串行带宽的收发器通道,功耗比上一代FPGA低40%。
好文章,需要你的鼓励
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。
这项研究提出了"思想家"(Thinker)任务,一种受人类双重加工理论启发的新型AI训练方法。研究者将问答过程分解为四个阶段:快速思考(严格预算下给出初步答案)、验证(评估初步答案)、慢速思考(深入分析修正错误)和总结(提炼关键步骤)。实验表明,该方法使Qwen2.5-1.5B模型的准确率从24.9%提升至27.9%,DeepSeek-R1-Qwen-1.5B模型从45.9%提升至49.8%。显著的是,仅使用快速思考模式就能达到26.8%的准确率,且消耗更少计算资源,证明了直觉与深度推理作为互补系统的培养价值。
这项由ELLIS研究所和马克斯·普朗克智能系统研究所的科学家进行的研究,揭示了大语言模型安全测试的根本规律:越狱攻击成功率由攻击者与目标模型间的能力差距决定。通过评估500多个攻击者-目标组合,研究团队发现:更强的模型是更好的攻击者;当目标能力超过攻击者时攻击成功率急剧下降;社会科学能力比STEM知识更能预测攻击成功。基于这些发现,研究者建立了预测模型,表明随着AI进步,人类红队测试可能逐渐失效,提示需要发展自动化安全评估方法及更全面地评估模型的说服和操纵能力。
华中科技大学和香港中文大学研究团队提出SATORI-R1,一种通过空间定位和可验证奖励增强多模态推理的新方法。该方法将视觉问答任务分解为图像描述、区域定位和答案预测三个可验证阶段,解决了自由形式推理中注意力分散和训练收敛慢的问题。实验证明,SATORI-R1在七个视觉问答基准上一致提升性能,最高达15.7%,并展示出更聚焦的视觉注意力和更低的训练方差。