高通技术公司和Google Cloud宣布展开合作,双方将通过高通AI引擎和Google Cloud Vertex AI神经网络架构搜索(NAS),加速推动面向骁龙®移动平台、ACPC、XR平台、Snapdragon Ride™平台和高通技术公司IoT平台的神经网络的开发并提供差异化。
高通技术公司产品管理副总裁Ziad Asghar表示:“利用Google NAS技术缩短创建和优化全新AI模型时间周期的能力,将为我们的业务带来变革。我们很高兴成为首家与Google Cloud在NAS方面进行合作的芯片公司,我们期待能够推广该技术,进一步加强公司在智能网联边缘方面的发展势头。”
Google Cloud云AI与行业解决方案副总裁June Yang表示:“Google Cloud的Vertex AI NAS将使高通技术公司能够为物联网、医学影像、汽车和移动终端等低功耗设备提供低时延和高精度AI计算,同时确保低内存和高能效。通过此次合作,高通技术公司将能够在数周而非数月内创建并优化新的AI模型,我们十分期待为使用搭载骁龙平台终端的用户带来积极影响。”
Google Cloud Vertex AI NAS将集成至高通神经网络处理SDK,以供开发者访问。采用高通AI引擎的(高通技术公司的)平台将获得优化和性能提升。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。