第四范式与英特尔联合实验室经过多轮研发迭代,在全球率先推出基于英特尔全新Cascade Lake-AP的AI软硬一体技术。依托第四范式先知平台及其内置的Hyper Engine训练架构和下一代AutoML等核心技术,英特尔Cascade Lake-AP在超大规模数据建模场景中的全部潜能得以释放,展现出极致性能。以此为基础,第四范式与英特尔将加速战略合作升级,推出基于Cascade Lake-AP的全新AI软硬一体产品。
Cascade Lake-AP是英特尔近期发布的最高级别至强可扩展处理器,采用双芯片封装技术,最多可提供每插槽56物理核心112线程及12通道DDR4内存,内置全新AVX-512 VNNI指令集和CLX AP微架构IO总线,专为苛刻的人工智能(AI)、高性能计算(HPC)和基础架构即服务(IaaS)工作负载而设计。
作为全球第一家与英特尔Cascade Lake-AP深入合作的AI企业,第四范式结合现实AI应用场景的需求针对其众多特性进行软硬一体优化,通过先知平台能力提升机器学习算法对主频及多核心的利用率,优化支持全新AVX512指令集以及全新CLX AP微架构IO总线利用率等多方面效能,使得在超大规模机器学习训练场景中,基于第四范式先知平台软硬一体技术的Cascade Lake-AP处理器及平台每单位价格性能提升50%以上。
此外,第四范式在解决AI应用发展的算力瓶颈上提供更多软硬一体优化技术,通过机器算法训练加速专用计算芯片、消除AI分布式通讯节点间数据同步瓶颈的通讯系统、以及高性能缓存和压缩等先进技术的引入,进一步提升AI软硬一体技术的效率优势。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。