2015年6月16日,主题为“数据智能,跨界互联”的第十三届中国国际软件和信息服务交易会(China International Software & Information Service Fair 2015)于大连世界博览广场盛大开幕。设计并集成尖端技术的半导体行业巨头AMD公司与众多行业领先企业共襄盛举,众多知名IT企业、知名研究咨询机构高管以及业界知名演讲嘉宾等做了精彩演讲。
AMD全球副总裁、中国研发中心总经理李新荣(Allen Lee)先生应大会主办方盛情邀请,发表了题为“卓越的图形处理缔造智能互联世界”的主题演讲,同与会嘉宾及媒体分享了AMD如何将GPU的应用范围超越图形处理领域,扩展到图片处理、语音识别、深度神经网络,及以大数据分析为代表的高性能计算应用当中。
AMD全球副总裁、中国研发中心总经理李新荣先生在CISIS大会上做主题演讲
如今在全球范围内,无论是面向教育、医疗、虚拟社交、游戏娱乐还是硬创团队,虚拟现实技术都是一个炙手可热的话题。作为在GPU图形显示领域颇具领先技术优势的企业,AMD一直非常看重这一领域,也在为未来的娱乐体验进行研发投入。AMD全球副总裁、中国研发中心总经理李新荣表示:“随着屏幕的增加和分辨率的提高,用户快速适应了应用于游戏和其他领域中的虚拟现实技术,可想而知数十亿个传感器同时运行会产生越来越多的数据,因此单靠CPU已经不能满足日渐增大的需求。AMD作为目前业内唯一一家可以同时提供高性能CPU和GPU技术的半导体公司,不仅专注于提供差异化技术,同时也特别重视软件业务,最终做到为市场带来整体解决方案。”
此前,AMD在纽约召开的分析师大会(Financial Analyst Day)上发布了未来几年发展战略的详细内容,这一战略旨在为游戏、临境感平台和数据中心等主要领域提供新一代技术,通过高性能、差异化产品来提高整体盈利能力。AMD总裁兼首席执行官苏姿丰博士(Dr. Lisa Su)在会上也曾提到:“我们发现,在高性能计算和可视化方面丰富的市场领域中,有着强劲的、长期的发展机遇,只有AMD能为二者提供技术能力。我们针对最具潜力的机遇增加投资,助力客户打造出更伟大的产品,变不可能为可能,从而实现AMD在未来的盈利增长。”
众所周知,虚拟现实技术给我们带来梦幻般临境感体验的同时,对显卡等硬件的要求极高。对于一家同时拥有高性能运算以及强大图形处理能力的企业来说,AMD的显卡多年来一直备受游戏玩家和网吧业主等人群的青睐。此外,在日前召开的分析师大会上,AMD曾透露在下一代显卡上将首次使用革命性的高带宽显存(HBM)技术,再配合上AMD独有的FreeSync、LiquidVR与4K技术,将为游戏玩家、网吧业主带来卓越的使用体验及解决方案。
6月初在台北国际电脑展(computex)上,AMD发布了代号为“Carrizo”的全球首款使用系统级芯片(SoC)设计的第六代A系列高性能加速处理器(APU)。据悉,AMD近期还将在美国太平洋时间6月16日的E3展会上发布全新一代显卡产品,为显卡市场注入新的活力。作为一个同时提供高性能CPU和GPU技术的半导体公司,AMD目前多产品线组合拳策略惊喜不断。未来,AMD势必将凭借高性能运算以及卓越的图形处理技术为我们缔造全新的智能互联世界。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。