IBM今天宣布对LinuxONE服务器硬件进行重大更新,重点关注可持续性,号称可以将多个工作负载的数据中心能耗降低高达75%。
LinuxONE服务器系列是一种高级企业Linux平台,旨在企业数据中心内运行基于Linux的工作负载,具有多项高级特性,包括无处不在的加密、云原生应用开发和99.999%的可用性。
LinuxONE还提供了丰富的功能,能够支持数据库整合、安全数据服务器、混合云、区块链、数字资产安全等工作负载,还有大量与Oracle Database、MongoDB、PostgreSQL、MySQL、MariaDB、Kubernetes、Hyperledger Fabric、Temenos T24 Core Banking和Red Hat OpenShift等软件的集成。
IBM表示,今天发布的LinuxONE Emperor 4服务器集成了很多有助于降低功耗的新功能,并且野心勃勃地提出,单个服务器可以整合的工作负载数量相当于四个同类x86服务器。
此外IBM还表示,与同类的x86服务器相比,LinuxONE Emperor 4服务器的占地面积减少了50%,每年减少超过850公吨的CO2e二氧化碳当量(CO2e是指与一公吨另一种温室气体具有相同全球变暖潜能值的二氧化碳公吨排放量)。
IBM表示,IBM正致力于满足客户对提高数据中心运营可持续性的需求。IBM IBV最近的一项研究发现,各行业有48%的首席执行官将可持续发展视为未来两到三年的最高优先事项之一,不过这些CEO中有51%的受访者还表示,由于缺乏数据洞察力和技术障碍,可持续性是他们面临的最大挑战之一。
IBM研究员、LinuxONE Cloud Platform首席技术官Marcel Mitran表示,尽管数据中心的确占到了企业能源使用中的很大一部分,但数据中心支持的技术有助于将可持续发展的雄心转化为行动。
他说:“减少数据中心的能源消耗是减少碳足迹一种切实的方法,在这种情况下,迁移到IBM LinuxONE可以帮助客户实现其规模和安全目标,同时满足当今数字业务的可持续发展目标。”
LinuxONE Emperor 4服务器设计能够以持续高密度的方式运行工作负载,通过打开未使用的核心来增加容量,而不会增加能耗和相关碳排放。此外,客户可以使用与LinuxONE集成的IBM Instana Observability来追踪他们的能源使用情况。
IBM表示,LinuxONE Emperor 4服务器还包括“类似云的灵活性”等功能,可以根据按需容量重新平衡资源,使工作负载能够动态扩展和缩减。而且,这些服务器还拥有量子安全级的安全性,具有普遍加密功能,能够保护静态和流动中的数据。
此外,LinuxONE Emperor 4服务器还支持IBM Cloud Hyper Protect Virtual Servers,后者提供了一个公有云环境,其中云租户可以保留对Linux虚拟服务器的完整权限,这些服务器用于处理那些包含了敏感数据的工作负载,这就意味着,客户保留了对加密数据、工作负载和加密密钥的完全控制权,甚至作为云提供商的IBM也无法访问这些数据。
IBM表示,LinuxONE Emperor 4服务器将于9月14日全面上市,入门和中端版本将在明年初推出。
好文章,需要你的鼓励
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。
这项研究提出了"思想家"(Thinker)任务,一种受人类双重加工理论启发的新型AI训练方法。研究者将问答过程分解为四个阶段:快速思考(严格预算下给出初步答案)、验证(评估初步答案)、慢速思考(深入分析修正错误)和总结(提炼关键步骤)。实验表明,该方法使Qwen2.5-1.5B模型的准确率从24.9%提升至27.9%,DeepSeek-R1-Qwen-1.5B模型从45.9%提升至49.8%。显著的是,仅使用快速思考模式就能达到26.8%的准确率,且消耗更少计算资源,证明了直觉与深度推理作为互补系统的培养价值。
这项由ELLIS研究所和马克斯·普朗克智能系统研究所的科学家进行的研究,揭示了大语言模型安全测试的根本规律:越狱攻击成功率由攻击者与目标模型间的能力差距决定。通过评估500多个攻击者-目标组合,研究团队发现:更强的模型是更好的攻击者;当目标能力超过攻击者时攻击成功率急剧下降;社会科学能力比STEM知识更能预测攻击成功。基于这些发现,研究者建立了预测模型,表明随着AI进步,人类红队测试可能逐渐失效,提示需要发展自动化安全评估方法及更全面地评估模型的说服和操纵能力。
华中科技大学和香港中文大学研究团队提出SATORI-R1,一种通过空间定位和可验证奖励增强多模态推理的新方法。该方法将视觉问答任务分解为图像描述、区域定位和答案预测三个可验证阶段,解决了自由形式推理中注意力分散和训练收敛慢的问题。实验证明,SATORI-R1在七个视觉问答基准上一致提升性能,最高达15.7%,并展示出更聚焦的视觉注意力和更低的训练方差。