除了前面比较成体系的改进之外,Broadwell的Uncore还有一些杂项提升:
1.Opportunistic Snoop Broadcast,机遇性侦听广播
2.Hardware Controlled Power Management,硬件控制电源管理
3.Intel Processor Trace,Intel处理器追踪
4.DDR4 Write CRC,DDR4写CRC
5.ECRC(End to End CRC Protection) for PCIe IO Subsystems,PCIe IO子系统端到端CRC
杂项改进中笔者最关注的是Hardware Controlled Power Management
其中DDR4写CRC和PCIe IO子系统端到端CRC用来提升内存子系统和PCIe IO子系统的鲁棒性,进一步提升X86系统的可靠性。
这里还给出了不同模式下Broadwell-EP的内存读取延迟和带宽
Hardware Controlled Power Management,缩写是HWPM而不是HCPM,则是笔者最关注部分:
为什么觉得HWPM重要?因为在HWPM之前,CPU的工作状态(C0~C6)是由操作系统控制,一方面,工作有延迟,不能及时反映负载变化,Turbo频率也不够迅速,另一方面,操作系统的软件实现也给系统带来一些负载。遗憾的是,经过测试,这个特性暂时还未能发挥想象中的性能,不过其作用是值得期待的。
Intel Processor Trace,进一步提升对CPU的debug能力
这是一个与编程/调试有关的特性,基本上笔者很少接触。可以肯定的是,和著名的PMU(以及前面的RDT)一样,IPT将会进一步提升开发者对系统的控制能力。
Broadwell-EP Summary:新的Broadwell微架构和架构很好很强大
经过对Core和Uncore的解析,我们对Broadwell-EP的设计实现细节有了一个初步的了解,接下来就是我们的测试环节。
好文章,需要你的鼓励
Salesforce研究团队发布开源工具包MCPEval,基于模型上下文协议(MCP)架构评估AI智能体工具使用性能。该工具突破传统静态测试局限,通过全自动化流程收集详细任务轨迹和协议交互数据,为智能体行为提供前所未有的可视化分析。MCPEval能快速评估MCP工具和服务器,生成综合评估报告,为企业智能体部署提供可操作的改进建议。
清华大学团队推出AnyCap项目,通过轻量级"即插即用"框架解决多模态AI字幕生成缺乏个性化控制的问题。该项目包含模型、数据集和评估基准,能让现有AI系统根据用户需求生成定制化字幕,在不重训基础模型的情况下显著提升控制能力,为AI内容创作的个性化发展奠定基础。
月之暗面Kimi K2技术报告:解读万亿参数的智能体模型(含K2与DeepSeek R1对比)
耶鲁大学团队开发了全球首个AI科学实验设计评估系统ABGEN,测试了18个先进AI模型设计消融实验的能力。研究发现最好的AI系统得分4.11分,仍低于人类专家的4.80分,但在人机协作模式下表现显著改善。研究还发现现有自动评估系统可靠性不足,建立了元评估基准ABGEN-EVAL。这项研究为AI在科学研究中的应用提供了重要评估框架。