华硕、戴尔科技、技嘉、云达科技和超微发布采用BlueField DPU和NVIDIA DOCA的系统,为数据中心提供领先的软件定义网络、存储和安全功能。
在今日举行的COMPUTEX 2021上,多家全球领先的服务器制造商发布了采用NVIDIA BlueField-2 DPU的新系统。同时基于NVIDIA GPU的系统也都可以选择添加BlueField-2 DPU,一些应用和客户用例中可能不需要用到GPU,但仍然可以受益于DPU。
图片说明:全球领先的数据处理器NVIDIA BlueField-2 DPU
NVIDIA BlueField-2 DPU能够满足企业对更高性能、安全性和可管理性的需求,因此华硕、戴尔科技、技嘉、云达科技和超微的新服务器将成为理想之选。
DPU能够对网络、安全与存储应用进行加速、卸载,以及基础设施负载隔离。主要运行软件定义网络(例如有状态负载均衡器或分布式防火墙)、软件定义存储或传统企业应用的服务器都将受益于此。
运行VMware vSphere、Windows或超融合基础设施解决方案的系统也将受益于DPU,无论是运行AI和机器学习应用、图形密集型应用还是传统的商业应用。
图片说明:华硕、戴尔科技、技嘉、云达科技和超微已宣布将提供采用NVIDIA BlueField-2 DPU加速的服务器。
NVIDIA BlueField DPU将基础设施任务从CPU转移至DPU,使更多的服务器CPU核可用于运行应用程序,从而提高服务器和数据中心的效率。该DPU为每个服务器配备了一台“计算机前的计算机”以提供独立、安全的基础设施服务,并与服务器应用域安全隔离,在虚拟化和裸金属服务器上实现了无代理应用隔离、安全隔离、存储虚拟化、远程管理和遥测。
客户和软件制造商可使用NVIDIA DOCA SDK轻松地对BlueField DPU进行编程。该片上数据中心体系架构可简化应用开发,并且实现前后兼容,包括兼容预计于2022年推出的NVIDIA BlueField-3 DPU,以及未来所有的BlueField DPU。
很多企业客户希望在他们大部分甚至所有的数据中心服务器中部署DPU。而业界领先的系统制造商所提供的DPU加速服务器,使客户能够简单、便利地购买到心仪的服务器并已经预安装和预配置了这款市场领先的BlueField-2 DPU。
BlueField-2 DPU加速服务器预计今年推向市场。预计在NVIDIA提供的DPU服务器认证就绪时,会有多家制造商将其产品提交至NVIDIA认证系统计划。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。