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
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。