下周一,两年一度的美国超级计算大会即将开幕。
在此次大会开幕前夕,IBM与美国能源部周五达成一项价值为3.25亿美元合作协议:未来IBM将为美政府机构制造两款名为“Sierra”和“Summit”的超级计算机。
据悉,IBM所制造的“Sierra”和“Summit”超级计算机,将采用新的超级计算方法,同时搭载Nvidia公司处理加速器,并运行于Mellanox公司提供的高速网络。
美国超级计算大会所关注的高端系统,占地十分庞大——有些系统占地跟篮球场大小一样,这些设备通常被美国政府机构用于汽车空气动力学研究,检测飞机设计机构弱点,以及预测新药物性能等等。
据悉,由IBM制造的这两台巨型计算机,一台将用于民用领域,部署在田纳西州的橡树岭国家实验室;另一台则用于国家核武器模式测试,部署在加州劳伦斯利弗莫尔国家实验室。Nvidia估测,如果这些设备的计算工作量由人工操作,需要300万人同时在笔记本电脑使展开。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。