近日,慧与科技(HPE)重磅推出了八款全新HPE ProLiant Compute Gen12服务器,为新一代企业级服务器树立了全新标杆。HPE ProLiant Compute Gen12服务器全系搭载英特尔至强6处理器,能够轻松应对日益增长的数据密集型工作负载挑战,特别满足数据中心和边缘环境设计的需求。此外,该系列服务器还引入了创新的控制功能,将为企业在混合云时代的蓬勃发展提供有力支持。
基于英特尔至强6处理器的HPE ProLiant Compute Gen12服务器,在性能与能效上进行了针对性优化,可以满足 AI、数据分析、边缘计算、混合云等要求苛刻的工作负载。与传统企业系统相比,该系列服务器每瓦性能提高了 41%,可满足数据中心电源需求的指数级增长需求,每年可节省高达 65% 的电力。
值得关注的是,现阶段,企业能够通过一台 Gen12服务器释放数据中心容量,提供过去七台 Gen10 服务器的计算性能3,大幅提升了数据中心的利用率和空间效率。此外,该处理器提供可选的直接液体冷却(DLC),大幅提升数据中心效率,满足客户对更高效数据中心的需求,是现代数据中心的理想解决方案。
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。