/
走进芯时代：AI算力GPU芯片分析
尽管AI芯片种类繁多，GPU因其适应性和强大的并行计算能力，仍是AI模型训练的主流硬件。英伟达在GPU领域的技术积累和生态建设使其处于领先地位，而国内GPU厂商虽在追赶，但仍存在差距。AI应用向云、边、端全维度发展，模型小型化技术成熟，数据传输需求增加，Chiplet技术降低设计复杂度和成本。
0赞好文章，需要你的鼓励
推荐文章
一次实验室意外或将彻底改变计算领域
研究人员意外发现，标准MOSFET晶体管可同时模拟神经元和突触行为，形成"神经突触随机存取存储器"（NSRAM）。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理，且与现有硅基制造工艺完全兼容，良率达100%。未来有望应用于边缘AI及高能效神经形态芯片，长远或可挑战GPU地位。
牛津大学让AI学会“物理直觉“：一个无需看视频就能预测物体运动的神经网络
牛津大学提出PHYSIFORMER，一种扩散变换器模型，通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动，一次性生成全序列轨迹，超越自回归基线。
借鉴生态学模型评估AI风险的新方法
本文提出一种评估人工智能风险的新方法，借鉴生态学与演化论视角，从理论生态模型中推导出三项风险指标，涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具，并对分析局限性及政策改进方向进行了深入探讨，为构建更科学的AI风险评估体系提供参考框架。
奖励模型的“选择困难症“：卡内基梅隆大学与Meta联手发现AI训练中被忽视的隐患
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数，并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化，在不重训模型的前提下有效减少AI训练中的奖励作弊现象。
2024
03/18
19:04
分享
点赞
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
