英特尔通过Sapphire Rapids、EKS-A认证和5G专网创造新机遇。
亚马逊云科技(AWS)re:Invent全球大会本周在拉斯维加斯拉开帷幕。这个为期一周的云计算大会包含了一系列主题演讲、领袖峰会、技术研讨会和案例演示等等,并深入展示了英特尔与AWS的长期合作伙伴关系以及英特尔如何助力AWS实现技术创新。
加强数据中心的影响力
此次re:Invent大会的亮点之一是搭载第四代英特尔®至强®可扩展处理器的亚马逊EC2 R7iz实例在现场进行了小规模的预览。这个内存优化的高频可扩展平台让客户能够更好地支持和管理工作负载。其主要优势包括:
• 性能较前一代提升高达20%
• 全核睿频频率高达3.9 GHz
• DDR5内存带来高达2.4倍的内存带宽
• 高达每秒50 GB的网络速度
连接云和通信
随着通信服务提供商建设下一代网络,云和边缘计算实现了优化工作负载所需的可扩展性、弹性和可编程性,并降低了总体拥有成本。然而,很多现有网络基础设施无法与云兼容。为了支持用户迁移到云,AWS和英特尔推出了一项倡议来帮助电信公司过渡到云原生解决方案。这个平台基于至强可扩展处理器构建,将对EKS-A(Elastic Kubernetes Service Anywhere)以及开源项目进行认证。
加速5G专网
此外,AWS和英特尔还介绍了旨在加速业界采用5G专网的相关计划。借助双方的全球5G体验中心、端到端解决方案和联合激励措施,企业将能根据其特定的安全性、连接性和扩展性的要求对其网络进行个性化改造。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。