

英特尔公司总裁詹睿妮在今天的IDF14上表示,英特尔在深圳有着大量的合作伙伴,深圳的成熟生态链作为英特尔架构产品的重要提供者与合作伙伴,在已经发货的设备中,既有采用酷睿的PC产品,也有采用凌动的移动产品,还有采用夸克的可穿戴设备,因此,此次英特尔也将IDF搬到深圳举行,希望和产业链进行更加深入的合作。
詹睿妮表示,在文化上,英特尔过去一直有变革的传统,有再发明的DNA在学业中,会一直拥抱去做出产业的改变和哥们,开拓出一些想象中的空间。她举例,在20年前,英特尔涉足服务器领域,当时所有人都在嘲笑英特尔非常愚蠢,并且不堪一击,然而现在的市场状况是,x86将RISC几乎完全挤压出了服务器市场,而在移动领域,现在英特尔刚刚有了三年的尝试,未来如何还不得而知。詹睿妮的言下之意,英特尔在移动领域的成就显然能和服务器市场相媲美。
为了实现这个目的,英特尔在移动业务团队上也做了大量的改变,改变了原有从英特尔内部选拔人才的机制,大量的从成熟的移动产业链上挖掘优秀人才,目前英特尔移动业务的大部分从业团队都是外聘而来,而来源渠道包括了摩托罗拉、德州仪器等在移动领域耕耘多年的企业。
未来,英特尔也会继续坚持开放的策略,对各种不同的操作系统平台提供支持,包括Android、Windows、MacOS等,而新兴并且快速发展的ChromeOS英特尔也保持了浓厚的兴趣。
好文章,需要你的鼓励
RGPO用"临时脚手架"破解大模型强化学习的奖励稀疏难题:先让模型独立解题,失败则分段放出标准解法引导重写,仅采纳经验证更优的答案。难题测试准确率从0跃至99.5%,语言模型平均分高出最强基线5.0分。
论文提出用MoE模型的路由器输出作为跨语言对齐目标,通过持续预训练对翻译句对施加路由KL散度损失,在不改变分词和架构的前提下让隐藏表示更接近,并在四个开源MoE模型、七种语言上验证了下游任务性能的一致提升。
DiffGate提出难度门控的教师指导机制,让验证器决定何时需要教师介入,仅对失败且困难的轨迹提供有界教师指导,结合GRPO强化学习,在数学与代码任务上显著提升解题覆盖率与跨领域迁移能力。
研究者用固定不变的16位二进制编码替代传统可训练词嵌入表,在17亿参数规模模型上训练1000亿token,证明模型仍可获得实质语言能力,揭示输入表并非必需,但性能略逊于可学习方案。