近日,罗姆宣布与出光兴产子公司太阳能前线(Solar Frontier)达成了关于收购位于宫崎县国富町的太阳能前线工厂的基本协议。
据了解,双方计划建立以碳化硅(SiC)为主的功率半导体生产线,并计划在2024年底开始运营。这将成为罗姆在日本拥有的最大规模的SiC功率半导体生产基地。
此外,他们计划在未来30年内将SiC功率半导体的生产能力提35倍(如图1)。
图1 SiC功率半导体的生产能力提高35倍;
他们计划在旧国富工厂新建生产线,大幅提高生产能力(来源:罗姆)
相关信息显示,此次收购时间预计在2023年10月,收购金额未公开。旧国富工厂的占地面积约为40万平方米,建筑总面积约为23万平方米。罗姆计划利用该工厂的现有建筑和洁净室,新建以SiC为主的功率半导体生产线。
该公司在日本拥有福冈县的两个SiC功率半导体工厂,以及宫崎县的一个SiC功率半导体工厂,旧国富工厂将成为第四个工厂。在现有的三个工厂的基础上,他们计划在2020年代中期将SiC功率半导体的生产能力提高到21年的6.5倍。通过在旧国富工厂新建生产线,他们计划在未来30年内将SiC功率半导体的生产能力提高到21年的35倍。
罗姆计划以SiC为主推动功率半导体业的销售额在2021年至2027年期间以年均约30%的速度增长。为此,他们公布了在2021年至2027年期间投资5100亿日元用于SiC功率半导体的计划。
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。