图:The Apollo 8000
最新的系统归属于Apollo品牌家族,惠普宣称这些产品性能比标准机架式服务器提高四倍。Apollo产品也能够适用于模块化组装,更方便企业使用。
Apollo系列产品补充了其机架刀片服务器以及基于ARM和英特尔Atom处理器Moonshot服务器产品阵营。惠普表示,Apollo产品线包括风冷的6000系统,水冷的8000系统,后者也是超级计算机。
惠普还针对HPC系统推出了相关的服务。
Apollo 6000系统的每个机架能够使用160个服务器,因此可以节约空间,同时,这种系统的耗电也更低。8000系统每个机架能容纳14个服务器。
惠普还发布了Helion Self-Service云服务,这种私有云将在2014年6月正式上线。Apollo 6000和8000系统已经开始接受预定。
此外,惠普还增加了全闪存的存储阵列,软件定义的网络工具,融合系统的虚拟化,以及强调即用即付的服务模式。
惠普发布了3Par StoreServe 7450存储阵列,这种阵列为全固态硬盘,同时升级了备份与恢复工具。
网络方面,惠普宣布了Virtual Cloud Networking SDN应用程序。
惠普表示,将使用OneView管理融合系统软件管理3Par。
利用OneView,惠普实现ConvergedSystem 300和700系统的虚拟管理。
最后,惠普发布了名为Flexible Capacity服务,它是一种即用即付的模式。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。