1997年首台Precision工作站问世。伴随着相关行业的日益复杂和持续演进,戴尔工程师不断突破,为这些行业中极具创新力的人士打造专业解决方案。25年来,Precision工作站推动了多项行业创新:我们于2001年推出首款Precision移动工作站,并在2008年推出首款Precision机架式工作站。
在庆祝Precision创新25周年之际,戴尔推出了多款引领行业、性能强悍的工作站产品。最新推出的Precision 7670和7770正在引领业界潮流——7670是首款16英寸的Precision移动工作站,也是戴尔第一款提供两种机身选项的工作站,为拥有不同性能需求的专业人士带来更多选择。当戴尔工程师发现当前SoDIMM内存技术即将出现传输速度瓶颈时,我们开发并推出了一款拥有自主专利的全新创新型内存模组——CAMM(Compression Attached Memory Module)。戴尔正在积极与行业标准委员会讨论,推动CAMM成为新的行业标准。CAMM内存具有模块化优势,并支持内存的可修复性。
戴尔Precision 7670和7770移动工作站
戴尔还在今年发布了性能强劲的14英寸移动工作站Precision 5470,实现了便携和性能的完美融合;以及首款采用AMD处理器的Precision 7865塔式工作站,搭载AMD Ryzen™ Threadripper™ Pro处理器,将多线程性能提升至新高度,满足当今不断增加的工作负载需求。
戴尔Precision 5470移动工作站和Precision 7865塔式工作站
无论是建筑师、工程师;或是人工智能和机器学习工作负载、图形处理、医疗、以及媒体和娱乐行业中的创作者,凭借卓越的表现,戴尔Precision能够为各行业使用前沿技术的专业人士赋能,帮助他们解锁改变世界的创意密码。当然,戴尔并未止步于此。
Precision:现在与未来
Precision的核心竞争优势是能够预测用户需求,以及对技术进步如何彻底变革用户工作的预判。多年来,戴尔Precision通过调整系统,帮助医疗行业生成高分辨率影像效果图,以指导手术计划。Precision还支持机器人技术,帮助救生人员探测处于危险中的人员,并使消防人员在进入建筑物之前能够将火情以可视化方式呈现。随着数字孪生概念在多个行业中逐渐普及并开始应用,Precision将为身处各行各业的先锋专业人士提供助力。
戴尔从Precision用户所做的开创性工作中汲取灵感并不断进取,帮助用户未来在其专业领域中取得更辉煌的成就。
突破性能边界,成就用户精彩
知名电影摄影师Drew Geraci曾使用Precision 7920参与制作史蒂文·斯皮尔伯格的获奖电影《西区故事》。Geraci表示:“新发布的Precision 5770为专业人士提供了一个专业级平台,内置最新的技术,在轻便的外表下蕴含着强劲的性能——对一名电影摄影师和剪辑师来说,这一点非常重要。这款工作站让我能够拖放极其复杂的高分辨率内容,在真正的8k时间线上实时查看所有内容,从未出现卡顿或播放问题。我还能在桌面上以本地形式查看这些文件,不会出现8k的播放问题,这是我在之前使用过的任何笔记本电脑上从未体验过的。”
展望未来
从屡获殊荣的电影制作人和动画师,到建筑师和工程师,过去25年中,Precision在一些令人惊艳的作品中发挥了核心作用。随着专业计算解决方案和工作流程的不断演变,Precision也将与时俱进。我们很荣幸Precision能够在过去25年里赋能用户,并成为值得信赖的伙伴,同时期待在下一个25年续写新的篇章。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。