当前,在国家政策和市场需求的双重作用下,一场席卷千行百业的数字化浪潮,折射出整个社会的数字化进程。众多行业企业利用云、数、智技术实现数字化转型,推动效率提升与业务创新。数字化底座是数字化转型的基础,更高效、更灵活、更开放的平台和产品组合是数字化底座的基石。英特尔作为数字化基础设施领导厂商,通过第三代英特尔®至强®可扩展处理器为代表的新一代计算平台,及一系列针对数据中心、5G网络和智能边缘基础架构全新打造的软硬件产品组合,助力企业应对挑战、加速云数智变革。
为更好地帮助用户了解数字化创新技术和智能化解决方案,英特尔携手OEM合作伙伴联想、新华三、中兴通讯、HPE,科技媒体至顶网和36氪推出“智者新时代”2.0 项目,邀请权威专家、行业用户和技术大咖,进行深度内容共建,解读基于第三代英特尔®至强®可扩展平台的创新架构如何更好支持现代化基础设施;帮助用户简化并加速数据中心基础设施的部署和实施;应对云、人工智能、大数据、高性能计算、5G、智能边缘等多种工作负载;集合数字化、智能化场景开发最佳实践成果;解决企业数字化转型中的实际问题,最终为加速数字经济发展,服务实体经济升级。
依托第三代英特尔®至强®可扩展平台和丰富的软硬件创新产品组合,英特尔及OEM致力于成为客户业务创新、数字化转型路上最可信赖的伙伴。项目将于2021年8月16日上线,重磅内容持续更新,期待您的关注。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。