
IBM将携手英伟达和美国能源部共同建立两个新的杰出超级计算机中心。本次合作的工作将主要围绕两个方面的内容而展开,一是确保应用程序能够充分利用超级计算机的强大性能,二是收集开发人员、工程师和科学家的反馈意见。
这两个超级计算机中心分别坐落于美国能源部的橡树岭国家实验室(Oak Ridge National Laboratory)和加州劳伦斯利弗莫尔国家实验室(Lawrence Livermore National Laboratory),它们将重点推进超级计算、发展代码创新。
根据在德国法兰克福召开的国际超级计算机大会上简述的合作协议,由IBM组建的OpenPower联盟将负责提供技术支持,英伟达与Mellanox也在该联盟中。IBM已经与美国能源部签署了一份超级计算合同,而且正在开展这两个全新超级计算机系统的部署工作,以期在2018年投入使用。
IBM与英伟达的这一合作与惠普和英特尔宣布的合作协议目标一致。双方目标均为:将高性能计算机(HPC)工作负载和系统推向更多企业,利用超级计算部署体系来展示其发展潜力。IBM公司在法国蒙彼利埃已经建立了一座POWER加速与设计中心,最近还推出了其SuperVessel服务。
IBM公司表示,在正式交付美国能源部塞拉(Sierra)和萨米特(Summit)这两个新超级计算机系统之前,这些全新高性能计算中心还将针对能源、气候、生物物理学和医药等领域的研究进行优化。
为确保应用程序筹备、硬件工程师和应用程序开发者之间的相互配合,这两个IBM-Nvidia超级计算中心将包含多种技术方案,以及整合了IBM公司POWER处理器、英伟达图形处理器和连接器产品的多种设计方案。两个中心的技术团队将专注于编程模型、算法、应用程序以及计算性能。
总的来说,两大超级计算系统的部署将基于OpenPOWER设计,同时采用英伟达与Mellanox的技术。
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。