ARM近日针对Cortex-R5处理器推出一套完整的安全文件集,加速安全关键的相关应用采用Cortex-R5处理器。这对于包括汽车、医疗与工业应用等产业而言,是相当重要的转变,意味着这些产业将能以更具成本效益的方式配置先进系统。 Cortex-R5 是ARM处理器系列中第一个提供安全文件集的处理器,芯片伙伴可以通过这套文件集证明其产品与新的功能安全标准完全兼容。
ARM处理器事业部总经理Noel Hurley表示,“功能安全对于汽车、医疗与工业应用等市场日益重要,而ARM也将持续支持 有意跨足这些高成长领域的合作伙伴。 Cortex-R5处理器具备丰富的故障侦测与控制功能,并且新增通用安全的文件集,可协助开发者运用于各式广泛的安全应用。未来,在ARM众多的处理器产品中也将提供相似的支持。”
由于系统级芯片(SoC)开发人员现在可通过安全文件集获取更多功能安全必备的信息,系统开发人员得以更有信心地在安全相关应用中采用Cortex-R5处理器。在包括动力传动系统(powertrain)、先进驾驶辅助系统(ADAS)等汽车应用中,只要在设计上采用符合ISO 26262标准的Cortex-R5核心,就能减少整体组件的需求量。如此一来,便能加快设计周期、降低制造与整体系统成本,同时降低功耗、减少车辆废气排放。
此外,因为工业安全相关系统必须符合IEC 61508标准,Cortex-R5安全文件集也提供相关认证的支持。通用安全文件集同时让Cortex-R5适用于其他多种市场应用,例如医疗领域就须遵循多种不同的标准,必须有一套通用的基本方案。
另一方面,业界标准的ARM编译器现已取得德国TÜV SÜD认证,因此不需要额外针对工具套件进行合格检测,就能让安全相关软件开发取得ISO 26262 ASIL D与IEC 61508 SIL 3认证。TÜV认证也补强ARM 编译器认证套件的功能,其中包含安全手册、开发流程文件、测试报告与缺失报告。
Cortex-R5是一款先进且极具成本效益的实时处理器,适用于多种嵌入式应用。该款处理器已广为各家芯片厂商采用,开发特定应用SoC及通用的微控制器。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。