虚拟化已经成为现代IT当中极为重要的一项技术,每一代Intel的处理器都在虚拟化方面进行持续的增强。同样地,由于虚拟机切换(VM entry/exit)在虚拟化开销当中的重要性,每一代Intel处理器都致力于降低VM entry/exit的时间,Ivy Bridge处理器当中搭载的是APICv(Advanced Programmable Interrupt Controller Virtualization,高级可编程中断控制器虚拟化),通过降低虚拟机内部中断而导致的VM exit来降低虚拟化切换的次数,提升虚拟化效率:
Haswell的虚拟化改进,从数字来看,Haswell的VM entry/exit Roundtrip降低到了上上一代Westmere的约70%,不高于500个时钟周期
Haswell不同,它通过直接降低VM entry/exit Roundtrip时间来提升虚拟化效率,最新一代的Roundtrip Time降低到了不高于500个时钟周期。
Haswell也带来了面向嵌套虚拟化的改进,被称之为VMCS Shadowing:
Haswell通过允许客户VMM直接访问VMCS Shadowing Structure来降低VM entry/exit
EPT A/D:EPT Access/Dirty Bits,EPT(Extended Page Tables)是管理虚拟机内存地址到物理内存地址转换的硬件机制
EPT A/D从图片上看起来和上面的VMCS Shadowing很相似,不过作用是不同的,EPT A/D的作用在于降低VMM监控虚拟机的开销,因为软件检测方案需要VMM将EPT表设置为低权限的方式,从而导致VM exit/entry开销,而EPT A/D则可以避免这种开销,由于在虚拟化环境下,EPT会持续作用,而VMM对虚拟机的检测也不可缺少,因此预计EPT A/D将会有比较明显的效果。
笔者计划之后测试不同Hypervisor的虚拟化性能,敬请期待。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。