AMD今日发布了2014年暨二十周年企业社会责任报告和摘要杂志,彰显了公司始终不渝地致力于公开透明及共同改善环境和社会福祉的决心。自1995年以来,AMD就开始了企业社会责任报告,从而反映企业社会责任范围方面的改变并增加利益相关者价值。今天,公司在此基础上更进一步,宣布推出全新的、专注于企业社会责任的线上平台,为劳动者权益、社区活动、环境保护等共同关注领域,提供更便捷的企业社会责任信息更新入口。
AMD总裁兼首席执行官苏姿丰博士表示:“企业在社会责任方面的承诺对员工的影响是十分重要的,AMD深深意识到这一点。员工会因为AMD是一家有责任感、能设计出改变世界的产品的公司而倍感动力。为此,通过帮助他人,我们也帮助了自己并且能够激励AMD人不断突破现有的可能性。”
报告亮点
· 荣获“最佳企业公民100强”称号:2015年是AMD连续第三年荣登《企业社会责任》杂志 “最佳企业公民100强”榜单。
· 在25x20能效计划方面取得了重大进展:我们全新第六代AMD A系列处理器 的能效测量结果达到了2.4倍的能效提升,远远超出了1.7倍的25x20能效目标。
· 在空气、水以及废弃物方面超出了五年环保目标:全球范围内在非制造工厂,温室气体排放量降低了24%(目标为5%),员工人均用水量降低了55%(目标为20%),废弃物转化为垃圾填埋达到74%(目标为70%)。
· 将企业社会责任的核心领域融入到公司价值链中:践行企业社会责任贯穿于产品设计到报废回收的整个价值链之中。
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。