中国北京,2014年10月16日——全球微控制器(MCU)和触摸技术解决方案领域的领导者Atmel公司(NASDAQ:ATML)今日宣布推出SAM4C32双核安全微控制器以及针对住宅、商业和工业应用的SAM4CMS32以及SAM4CMP32,扩充了其能源仪表计量产品 Atmel | SMART 产品组合。全新片上系统(SoC)解决方案拥有2MB双组闪存,可与产品组合中现有的512KB和1MB设备实现引脚对引脚兼容,并实现下一代智能仪表计量平台卓越的可扩展性和设计再利用。
Atmel的SAM4Cx系列基于双核32位的ARM® Cortex®-M4架构,拥有精度高达0.2级别的灵活固件计量能力,可满足对单独开展法定计量、应用和通信的WELMEC需求。所有器件均具备先进的安全特性,低功耗实时时钟和LCD驱动器及多串行接口,因此可提供业内最佳的集成性、高性能和更低的物料清单(BOM)成本。
Atmel公司智能计量事业部高级总监Kourosh Boutorabi表示:“随着欧洲和亚洲地区智能仪表部署率的不断增长,客户要求其系统集成和可扩展性达到优秀的水平,以便最大限度地提高其研发投资回报率,以更低的成本点更快地应对在多个应用市场中所面临的挑战。我们致力于提供基于同一核心平台架构、软件和工具的能够提供广泛解决方案产品组合的下一代智能仪表架构。”
好文章,需要你的鼓励
本文介绍LT-OPD训练框架,通过让极限压缩的多模态大模型在自己生成的内容上接受满血版模型指导,并配合渐进式课程学习,在仅保留5%视觉token时把性能保留率从68.6%提升到82.3%,且不增加推理成本。
本文解读ALIGNOPSD方法,该方法针对AI智能体训练中"决策与时间戳错配"问题,通过先对齐功能相同的决策场景再打分,并按可变长度决策段分配信用,在ALFWorld、WebShop、Search-QA三大任务上相比GRPO提升5.5%至8.7%。
本文介绍自适应一致性图(ACG)方法,通过持久化执行记忆图与预算感知的上下文构建,帮助AI智能体在长任务中减少信息失联,在多项基准测试中相比ReAct等基线方法提升了任务成功率。
多智能体AI协作时重复计算KV缓存浪费严重。PReCache提出预计算低秩缓存和中性基础缓存重构两项设计,免训练实现最高3.1倍加速、2.3倍吞吐提升,且准确率仅比不共享方案低1.1个百分点。