最新资讯:英特尔今天宣布将与Hewlett Packard Enterprise(HPE)合作,为HPE ProLiant DL380 Gen10服务器提供更强的工作负载加速能力。此举旨在借助全新高性能英特尔FPGA可编程加速卡(英特尔FPGA PAC)D5005以满足计算密集型市场需求,如流分析、媒体转码、金融技术和网络安全。英特尔FPGA PAC D5005是英特尔PAC产品组合的第二款加速卡,将随HPE ProLiant DL3809 Gen10服务器一同发售。
“The HPE ProLiant Gen10服务器家族是当今市场上, 最安全、最易于管理、最敏捷的服务器平台。目前,我们将英特尔FPGA PAC D5005加速器加装至HPE ProLiant DL380 Gen10服务器,为越来越多的工作负载(包括AI推理、大数据和流分析、网络安全和图像转码)提供优化的配置。结合HPE Pointnext的各项服务,我们将支持客户更快地实现价值并提高投资回报率(ROI)。”——Bill Mannel,Hewlett Packard Enterprise副总裁兼HPC与AI事业部总经理
重要意义:流分析、人工智能(包括语音转文本)、媒体转码等应用必须依靠强大的计算能力来满足当今日益增长的需求。数据中心客户可使用面向特定工作负载的硬件加速器,最大限度地发挥基于FPGA的硬件加速能力。通过将这些任务转移到定制的硬件加速器上,可以卸载相应的工作负载,从而释放服务器的CPU周期,使其可以运行更高价值工作负载。卸载相应的工作负载有助于降低数据中运营商的总体拥有成本。
相比前代PAC,全新英特尔FPGA PAC D5005可提供更多逻辑、更大内存,以及更出色的网络功能。英特尔FPGA PAC D5005现已通过HPE ProLiant DL380 Gen10服务器的认证,除了已发售的采用英特尔Arria 10 GX FPGA的英特尔PAC之外,客户还可以选择这款性能更高的PAC。
功能:英特尔FPGA PAC D5005加速卡基于英特尔Stratix 10 SX FPGA,可使用英特尔加速堆栈(包括加速库和开发工具)为基于英特尔至强可扩展处理器的服务器提供高性能的内联和旁路工作负载加速。
详细信息:HPE是首家宣布预认证英特尔FPGA PAC D5005加速器卡,并将其加装至HPE服务器(特别是HPE ProLiant DL380 Gen10服务器)的服务器OEM厂商。其他服务器厂商也正在对英特尔FPGA PAC D5005加速器卡进行认证。专门面向英特尔FPGA PAC D5005加速器卡开发的首批工作负载包括:
英特尔正在不断扩充基于FPGA的服务器加速卡产品线,英特尔FPGA PAC D5005加速卡正是该产品线的最新成员。相比基于英特尔Arria 10 GX FPGA的英特尔可编程加速卡,英特尔FPGA PAC D5005加速卡可提供的资源明显增多,包括多三倍的可编程逻辑、高达32GB DDR4内存(增加4倍),以及更快速的以太网端口(2个100GE端口对比1个40GE端口)。基于英特尔Arria 10 GX FPGA的英特尔PAC物理占用空间和能耗更小,适合更广泛的服务器,而英特尔PAC D5005专注于提供更强的加速能力。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。