
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
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。