
Google量子人工智能团队当地时间周二宣布,将开始设计和制造基于超导材料的量子信息处理器,这将使量子人工智能实验室利用自行设计的硬件进行量子计算方面的研究工作。
在量子处理器研发方面,Google与加利福尼亚大学圣巴巴拉分校的物理学家约翰•马丁尼斯(John Martinis)及其团队进行了合作。马丁尼斯是量子研究领域的领头羊,今年早些时候因在量子信息处理和计算领域的卓越成就被授予伦敦奖。
Google技术主管哈特穆特•内文(Hartmut Neven)周二在Google+上发帖称,“有了自己的硬件小组,量子人工智能团队就能制造和测试量子优化和推论处理器的新设计。”
量子人工智能实验室是Google、美国宇航局艾姆斯研究中心和高校空间研究协会在2013年联合成立的,目的是研究如何利用量子计算推动机器学习技术的发展。
量子计算机能解决传统计算机难以胜任的、不可想象地复杂的计算问题。当前的计算机中,数据是由0或1表示的。在量子计算机中,数据是由量子位表示的,可以同时是1和0。目前只有为数不多的几家公司在进行量子计算方面的研究,生产和运行量子计算机还存在物理和财务方面的障碍。
尽管Google在考虑利用自己的硬件进行量子计算方面的研究,但量子人工智能团队将继续使用D-Wave的量子计算机进行研究工作。D-Wave是世界上商业化销售量子计算机的第一家公司。内文在帖子中说,“我们将继续与D-Wave的科学家合作,在艾姆斯研究中心利用Vesuvius计算机进行研究工作。Vesuvius的处理器将被升级为1000量子位的华盛顿处理器。”
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。