随着物联网的深入发展,以及数据量的不断增长,各类业务都需要高速处理技术来实现大数据分析。为了满足诸多的行业需求,富士通实验室有限公司开发了软件定义的固态硬盘(SSD),可实现并行处理从而使其性能比标准固态硬盘快了3倍。
富士通实验室软件定义的固态硬盘设备在软件层为闪存转换层(FTL)提供支持,使NAND Flash存储器可由软件直接访问。由于对NAND闪存的数据放置和访问模式可以根据工作负载来进行优化,使其性能发挥到最高,并使用户能够利用其高速性能的优势,将其用作对主存储器的扩展。
由于涉及到许多突破性的技术,这个系统的设计工作遇到了挑战。通过硬件试生产,富士通实验室测试了整个系统的运行情况,并对整个系统的性能进行了评估。在软件定义的SSD之中,为最大限度地提高系统性能,富士通实验室需要根据工作负载来对硬件设计参数进行优化。在构建与软件相协调的硬件之前,必须对系统性能做出评估。
富士通实验室借助于风河Simics找到了解决方案。通过在一个虚拟系统上进行实际场景的设计与测试,Simics支持他们采用新的开发技术,而这在物理硬件上是根本不可能进行的。例如,为了同时兼顾成本控制和性能优化,富士通实验室需要确定在系统中部署的通道和芯片之间的最佳平衡。应用Simics在虚拟硬件上进行负载模拟,他们对通道和芯片的多种组合进行反复试验,评估每个方案的执行速度,从而能够信心十足地确定最佳组合。对Simics丰富的调试功能集,富士通实验室留下了深刻的印象,这使他们能够在获得实体硬件之前就及早开始软件调试工作,从而精确地确定性能瓶颈所在之处,并且及早采取优化措施。Simics对设计、开发和测试过程中的许多重要方面都具备革命性的意义。
在建立起软件定义的SSD之后,富士通实验室在真实硬件上对通道和芯片的最高效组合数据进行了验证。其结果证实了Simics所模拟的场景。通过Simics所获得的数据洞察,让他们清楚地意识到,拥有Simics这样的模拟工具确实不可或缺,在未来更多项目中更是如此。风河将会继续发展与富士通实验室的合作关系,并支持他们达成自己的使命,开发出更多尖端技术,应对当今社会中的挑战。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。