/
重磅！又一国产GPU量产上市！
-
核心频率为 1200MHz（支持动态调频） -
支持 PCI-E 3.0 × 16 总线接口 -
显存支持 DDR4、LPDDR4、LPDDR4X，最大支持 32GB 容量，数据传输速率最高支持 4266Mbps -
兼容 IBM VGA 标准、兼容 VESA 标准 -
支持龙芯、飞腾、申威、海光和鲲鹏等国产处理器 -
支持麒麟、UOS、VxWorks、翼辉、天脉和锐华等操作系统 -
支持最高 32 位色 -
支持 OpenGL 4.0、OpenCL 1.2 / 3.0 及 OpenGL ES 3.2 标准 -
单精度浮点：1.2 Tflops -
支持 4 路 TMDS 显示接口，4 路 DP / eDP 显示接口，2 路 DVO 显示接口以及 1 路 VGA 显示接口 -
支持 4 路独立显示通道（HDMI、DVI、DP、eDP、VGA），最大分辨率 3840×2160@60Hz -
支持 H.265、H.264、MPEG2 / MPEG4、VC-1、VP6-9 等格式解码，最高可支持全高清 4K@60fps 解码 -
封装规格为 37.5mm×37.5mm，FCBGA2112 -
工作温度范围：-40℃～+85℃ -
功耗：10W～30W，可动态调整
0赞好文章，需要你的鼓励
推荐文章
不信任也不冤枉：如何判断视觉-语言模型预测是否可靠
ETH Zürich等机构研究人员提出TrustVLM框架，解决视觉-语言模型预测可信度问题。该方法利用模型中存在的"模态差距"，创新性地结合图像到文本和图像到图像的相似度，实现无需重新训练即可大幅提升误分类检测性能。在17个数据集的严格测试中，TrustVLM相比现有方法在关键指标上提升显著，同时改善了零样本分类准确率。此成果为AI系统在自动驾驶、医疗等安全关键领域的可靠部署提供了重要保障。
个性化安全：从一刀切到个性定制，华盛顿大学研究团队提出针对大语言模型的个性化安全评估与改进方法
这项研究提出了个性化安全概念，解决大语言模型对不同用户采用统一安全标准的问题。研究团队创建了PENGUIN基准测试集评估模型在处理高风险场景时的个性化安全能力，并开发了RAISE框架高效获取关键用户信息。实验表明，提供用户背景可使安全分数提高43.2%，而RAISE框架通过平均仅2.7次交互即可提高安全分数31.6%。这一创新方法将AI安全从"一刀切"转向"个性定制"，为高风险领域的AI应用提供了新思路。
转弯级助攻：明尼苏达大学团队用回合级信誉分配增强大语言模型智能体的多回合推理能力
明尼苏达大学研究团队提出了一种创新方法，通过回合级信誉分配显著提升大语言模型(LLM)智能体的多回合推理能力。传统方法只对整个过程进行评价，而他们的MT-GRPO算法能够精确评估每个决策步骤的价值，就像为每一步提供具体反馈。在维基百科搜索工具使用场景中，该方法实现了100%的工具执行成功率和50%的答案精确匹配率，远超传统方法。这一突破不仅提高了AI在多步骤任务中的表现，也为开发更复杂的AI系统提供了重要思路。
精准的记忆手术：研究人员开发PISCES技术，在不影响其他能力的情况下从大语言模型中精确“抹除“概念
这篇研究介绍了PISCES——一种能精确从大语言模型参数中移除特定概念知识的创新技术。与现有方法不同，PISCES通过解缠器模型识别概念相关特征，直接编辑模型参数，实现了更精准的知识移除。在Gemma和Llama模型上的测试表明，该方法不仅有效降低了目标概念的准确率（低至7.7%），还保持了模型在无关领域的高性能，并显著提高了对"重新学习"的抵抗力。这一突破为AI系统的安全部署和合规使用提供了新的可能性。
2024
05/13
16:04
分享
点赞
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
