高通技術公司和Google Cloud宣布展開合作,雙方將通過高通AI引擎和Google Cloud Vertex AI神經網絡架構搜索(NAS),加速推動面向驍龍®移動平臺、ACPC、XR平臺、Snapdragon Ride™平臺和高通技術公司IoT平臺的神經網絡的開發(fā)并提供差異化。
高通技術公司產品管理副總裁Ziad Asghar表示:“利用Google NAS技術縮短創(chuàng)建和優(yōu)化全新AI模型時間周期的能力,將為我們的業(yè)務帶來變革。我們很高興成為首家與Google Cloud在NAS方面進行合作的芯片公司,我們期待能夠推廣該技術,進一步加強公司在智能網聯(lián)邊緣方面的發(fā)展勢頭。”
Google Cloud云AI與行業(yè)解決方案副總裁June Yang表示:“Google Cloud的Vertex AI NAS將使高通技術公司能夠為物聯(lián)網、醫(yī)學影像、汽車和移動終端等低功耗設備提供低時延和高精度AI計算,同時確保低內存和高能效。通過此次合作,高通技術公司將能夠在數(shù)周而非數(shù)月內創(chuàng)建并優(yōu)化新的AI模型,我們十分期待為使用搭載驍龍平臺終端的用戶帶來積極影響。”
Google Cloud Vertex AI NAS將集成至高通神經網絡處理SDK,以供開發(fā)者訪問。采用高通AI引擎的(高通技術公司的)平臺將獲得優(yōu)化和性能提升。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。