近日,IBM宣布实现其量子计算研发版图中的全新里程碑:迄今为止最高的量子体积。通过结合一系列新型软硬件技术来提升整体性能,IBM成功升级其最新的27-量子比特客户部署系统,使量子体积增加到64。过去四年,IBM通过IBM Quantum Experience构建了28台量子计算机。
与经典计算机相比,量子计算机能够更高效、更经济地完成某些信息处理任务,为了实现量子优势(Quantum Advantage),需要对量子电路,即量子应用的组成部分进行改进。量子体积(Quantum Volume)是电路长度与复杂性的衡量标准——量子体积数值越高,其在产业、政府及研究领域探索解决实际问题的潜力就越大。
为了实现在量子体积上的突破,IBM重点开发了一套全新的技术和改进方案,利用硬件知识来优化量子体积电路的运行。这些硬件感知方法具有可扩展性,能够优化任何IBM量子系统中运行的量子电路,从而改进IBM为用户提供的实验及应用。这些技术将在IBM Cloud软件服务和跨平台开源软件开发工具包(SDK)Qiskit待发布版本和优化版本中提供。
IBM院士兼IBM Quantum副总裁Jay Gambetta表示:“我们始终在寻找新方法来突破系统的极限——运行更为庞大、复杂的量子电路,更快速地实现量子优势。IBM采用的全栈方法为开发硬件感知应用、算法和电路提供了一条创新途径,而这些应用、算法和电路都是在业界最包罗、最强大的量子硬件上运行。”
IBM Quantum团队在近期于arXiv上发布的预印版本中,详细介绍了提升量子体积至64所运用的全栈方法中的技术改进。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。