除性能有适度提高外,今年1月份发布的代号为Broadwell的第五代酷睿处理器提供了更长的电池续航时间。目前,大多数Windows PC和Mac都配置Broadwell(包括2014年末发布的酷睿M芯片)。
但新一代处理器一直在“等待”中,因为Broadwell被应用在PC中的时间晚于最初的预期。现在是该关注代号为Skylake的新一代酷睿芯片了。2014年9月份首次被提及的Skylake将于下个月发布。
Skylake的许多细节尚没有披露,下面是部分与Skylake有关的信息:
1、Skylake有哪些新颖之处?
在有机会对配置新CPU的PC的性能进行测试前,我们尚不清楚新一代CPU与上一代CPU之间的差别,但可以负责任地说,PC的性能和电池续航时间都会有适度提高。
由于许多Skylake系统支持无线充电解决方案,我们可能会看到“无线”计算大潮。有媒体报道称,英特尔在促使汽车厂商、宾馆和咖啡馆安装充电系统。部分Skylake系统还会配置Thunderbolt 3——速度更快的数据连接标准,但采用标准的USB-C接口。
2、首批Skylake芯片何时发售?
英特尔尚未披露官方信息,但传言(和常识)称,首批Skylake和配置Skylake的PC将在8月份发布。英特尔可能在科隆国际游戏展和英特尔开发商论坛上发布Skylake。
与以往的酷睿i系列芯片一样,面向游戏和专业PC的最高端酷睿i7将首先发布,然后是更主流的酷睿i5和i3。因此,到近10月份配置Skylake的笔记本才会大量上市销售。
3、Skylake的发布与Windows 10挂钩吗?
两者没有关联。Windows 10发布时间是7月29日,因此它的发布比Skylake要提前至少数天时间。但是,首先发布的是高端酷睿i7桌面处理器,数月后面向主流和便携式PC的Skylake才会发布。但是,Skylake和Windows 10之间应当不存在兼容性问题。
4、缘何Skylake的发布距离Broadwell如此近?
Broadwell发布时间比最初的预期要晚,被应用在PC中的时间也更晚。英特尔没有相应推迟Skylake发布时间,而是将保持原定的发布计划。这意味着,Broadwell作为最新一代处理器的时间会短于预期。
5、Skylake是向前迈出的一大步吗?
是的,至少从日常应用性能来说是这样的。英特尔把芯片更新节奏分为“tick”和“tock”。“tick”代表着物理和结构上的变化,例如转向14纳米工艺,Broadwell即是如此;“tock”代表新功能,Skylake即是如此。目前有关“tick”和“tock”哪个更重要还有争论。
听听英特尔的说法,“在每个‘tick’周期,英特尔将采用更先进的制造工艺,继续使用户享受摩尔定律带来的好处;在‘tock’周期,英特尔将利用上一代芯片的制造工艺,在处理器微架构方面引入重要创新。”
有趣的是,Skylake之后代号为Kaby Lake的英特尔芯片也将使用14纳米工艺,提高了Kaby Lake之后的下一代芯片采用10纳米工艺的可能性。目前,10纳米芯片的代号为Cannonlake,目前预计发布时间为2017年末。这意味着英特尔会连续发布两款“tock”芯片,构成“tick、tock、tock”的发布周期——2015年初的Broadwell、2015年末的Skylake和明年的Kaby Lake。
6、应当推迟购买新款PC或Mac吗?
这一问题的答案是否定的,因为Skylake与Broadwell相比主流性能并没有大幅度提高。用户喜欢的品牌推出配置Skylake的系统可能还需要数月时间。
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。