
科技行者 1月8日 北京消息(文/李祥敬):美国拉斯维加斯,2020年1月7日——在2020年国际消费电子展(CES 2020)上,英特尔在以“智能驱动创新”(Innovation through Intelligence)为主题的新闻发布会上演示了系列场景,展现了其如何将智能融入云、网络、边缘和PC,推动其对人、企业和社会创造积极的影响。
移动计算作为一个重点领域,在此英特尔宣布推出新产品、建立新的合作伙伴关系并开展激动人心的平台级创新,从而改变人们专注、创造和参与的方式。英特尔公司执行副总裁兼客户端计算事业部总经理Gregory Bryant在会上宣布了众多激动人心的消息。
Gregory Bryant表示,英特尔“雅典娜计划”创新计划取得重大进展,包括首批“雅典娜计划”认证Chromebook:“雅典娜计划”认证设计已经过调试、测试和验证,提供非常出色的系统级创新,以及包括电池续航时间、响应一致性、即时唤醒、应用程序兼容性在内的多重优势。
截至目前,已有25款设计通过了英特尔的“雅典娜计划”认证,包括首批两款经“雅典娜计划”验证Chromebook——华硕Chromebook Flip (C436)和三星Galaxy Chromebook——是与谷歌合作完成的,Gregory Bryant宣布继续扩展与谷歌的合作。英特尔预计今年还将验证50多款设计,包括Windows和Chrome两类,并为双屏PC制定技术规范目标。
英特尔不断加深与OEM合作伙伴的协同工程开发,基于英特尔酷睿处理器来帮助定义全新设备类别,包括全新的双屏和可折叠设计,如联想ThinkPad X1折叠屏电脑以及戴尔Concept Duet,前者采用搭载英特尔混合技术(研发代号:Lakefield)的英特尔酷睿处理器,将于年中出货。
Gregory Bryant还发布了英特尔最新概念设备预览版,该设备是一款外形可折叠的OLED显示器(研发代号:Horseshoe Bend)。该设计尺寸与12英寸笔记本电脑相似,配有折叠式触控屏,展开后可逾17英寸。
首次亮相的英特尔酷睿移动处理器(研发代号:Tiger Lake),通过在每个重要领域及体验上实现突破性进展,旨在将英特尔在移动计算领域大胆的、以人为本的愿景变为现实。凭借在CPU、人工智能加速器以及基于全新英特尔Xe图形架构、堪比独立显卡性能的内置图形显卡等优化,Tiger Lake将带来两位数的性能提升,大幅提高人工智能性能和图形性能,并将采用全新集成Thunderbolt 4,其数据吞吐量4倍于USB3。基于英特尔10nm+制程,首批Tiger Lake产品预计于2020年晚些时候出货。
英特尔公司图形架构和软件副总裁Lisa Pearce深入介绍了全新英特尔Xe图形架构的进展,它大幅提升了Tiger Lake性能,Lisa还预览了英特尔首款基于Xe架构的独立图形显卡(研发代号:“DG1”)。英特尔在Xe架构上实现了差异化设计,DG1面向游戏本、轻薄本的低功耗架构,主要应对一些日常游戏需求。
据悉,代号为DG1的Xe架构独显或将集成96个执行单元,总计768个流处理器,并且拥有自己的独立显存,搭载方式可能与普通独显略有不同,现场演示产品的搭载方式类似此前推出的Kaby Lake-G,采用了异构封装的方式与CPU协同工作。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。