陷入困境的社交媒体巨头Facebook终于有一些利好消息出来了。Facebook周二表示,已经比计划提前一年时间实现了使用可再生能源为数据中心提供至少50%能源的目标。
Facebook几个月来一直受到以隐私问题、干预选举和虚假新闻等丑闻的困扰。现在,Facebook表示,目标是到2020年让Facebook全球所有数据中心都能100%使用可再生能源。
Facebook是在2015年设定了最初50%这一目标,现在它正在寻求转向风能和太阳能等能源。Facebook表示,已经签署了通过可再生能源获得3千兆瓦电力的合同,其中包括去年签署的2500兆瓦的合同。
Facebook在一篇博客文章中表示,它致力于通过“建设基础设施、向其他买家开放项目或者设立绿色关税”,为其他企业组织提供可再生能源资源,让客户可以从当地设施购买可再生能源。
Facebook希望把这一举措持续下去,保障用更多可再生能源为其数据中心提供动力。Facebook还表示,希望到2020年将其建筑设施的温室气体排放量再减少75%。
Facebook的努力赢得了环保组织的赞誉。绿色和平组织的Gary Cook说,Facebook巩固了自己在商业领导企业中实现无煤化和100%可再生能源供应的地位。
“科学家们认为,保持在1.5度阈值范围内对于避免灾难性气候变化来说至关重要,我们需要更多企业加紧采取积极的可再生能源和温室气体减排目标,”Cook这样说。
Facebook的重点是重新设计其数据中心的组件,以提高其能源效率,从而帮助Facebook取得进展。这些努力包括更节能的新服务器设计,以及新的冷却技术,例如用于干旱气候下数据中心的StatePoint液体冷却系统,通过创建冷水而不是冷空气来提高效率。
值得注意的是,Facebook并不是唯一一家在能效方面取得进展的“超大规模”数据中心运营商。AWS在今年1月份表示,它也实现了数据中心50%的可再生能源使用率。
Constellation Research副总裁兼首席分析师Holger Mueller表示:“事实证明,'云'并不像现实世界的云绿色化,这取决于生成运行数据中心所需的巨大电力时产生的碳足迹。所以很高兴看到各种基础设施即服务厂商将其作为使用可再生能源、变得更具可持续的战略。今天轮到Facebook了。”
考虑到Facebook一直不断发展自身的基础设施,所以这一举措更加令人影响深刻。Uptime Institute最近的一份报告指出,数据中心运营商们正在应对越来越多、越来越复杂的工作负载。尽管如此,衡量数据中心效率的标准指标——PUE(电力使用效率)去年达到创纪录的1.58评级,Uptime Institute这样表示。
好文章,需要你的鼓励
这篇博客详细解读了阿里巴巴通义实验室和中科大联合开发的VRAG-RL框架,该框架通过强化学习优化视觉语言模型处理复杂视觉信息的能力。研究创新性地定义了视觉感知动作空间,使模型能从粗到细地感知信息密集区域,并设计了结合检索效率与结果质量的精细奖励机制。实验表明,该方法在各类视觉理解任务上大幅超越现有技术,Qwen2.5-VL-7B和3B模型分别提升了20%和30%的性能,为处理图表、布局等复杂视觉信息提供了更强大的工具。
香港科技大学研究团队发现AI训练中的验证器存在严重缺陷。基于规则的验证器虽精确但僵化,平均有14%的正确答案因表达形式不同被误判;基于模型的验证器虽灵活但极易被"黑客攻击",AI可通过输出特定模式欺骗验证器获得不当奖励。研究提出混合验证器设计,结合两者优势,在数学推理任务上将性能提升3个百分点,为开发更可靠的AI训练系统提供重要启示。
这项研究提出了"用生成图像思考"的创新范式,使AI能够通过生成中间视觉步骤在文本和图像模态间自然思考。研究者实现了"原生长多模态思维过程",使大型多模态模型能够生成视觉子目标和自我批评视觉假设。实验表明,该方法在处理复杂多物体场景时性能提升高达50%,为医学研究、建筑设计和刑事侦查等领域开创了新的应用可能。
这篇论文介绍了GRE套装,一个通过精细调优视觉语言模型和增强推理链来提升图像地理定位能力的创新框架。研究团队开发了高质量地理推理数据集GRE30K、多阶段推理模型GRE以及全面评估基准GREval-Bench。通过冷启动监督微调与两阶段强化学习相结合的训练策略,GRE模型能够有效识别图像中的显性和隐性地理指标,在Im2GPS3k和GWS15k等主流基准上显著优于现有方法,为全球图像地理定位任务提供了更准确、更可解释的解决方案。