除了整数运算和浮点运算的差别之外,SPEC CPU2006测试还分两种:SPEED测试和RATE测试,SPEED测试类型运行单个实例,用来测试系统运行单作业的时候的运算能力,RATE测试则是运行多个实例,用来测试系统的总运算吞吐能力。SPEC CPU测试还会给出两种类型的结果:Base基准测试结果和Peak峰值测试结果,Base测试要求编译器套件按照指定的规则进行优化,而Peak测试则可以允许使用更多的优化技术,可以看出,前者可以用来简单对比不同的平台,而后者则在对比因素中加入了编译器等因素,有实力编写编译器的厂商可以从中获益。本页给出的是SPEED测试结果,按照整数到浮点、Base测试到Peak测试排列四个成绩图标,每个图表给出了测试系统及对比系统的每个子项目的成绩。图表图例文字中最后的"2S44C88T"字段指的是2 Sockets、44 Cores、88 Threads,意思是“2插槽44核心88线程”。
SPEED测试关注的是延迟为主,而RATE测试关注的是吞吐量,这也是一般服务器应用关注的指标。根据Spec,在所有核心满负荷的时候,Intel Xeon E5-2699 v3工作在2.8GHz,Intel Xeon E5-2697 v2工作在3.0GHz,Intel Xeon E5-2699 v3和Intel Xeon E5-2699 v4都工作在2.8GHz,至少,在非AVX2应用下是这样:
SPECint_rate_base2006,整数,RATE测试,Base基准测试
SPECint_rate2006,整数,RATE测试,Peak峰值测试
从核心数量上来说,Intel Xeon E5-2699 v4比Intel Xeon E5-2699 v3增加22.2%,从整数总成绩来看,Intel Xeon E5-2699 v4比Intel Xeon E5-2699 v3增加了28.5%,超过了核心数量的增加,大部分项目上,我们都可以看到比较明显的提升。
SPECfp_rate_base2006,浮点,RATE测试,Base基准测试
SPECfp_rate2006,浮点,RATE测试,Peak峰值测试
AVX浮点性能,Intel Xeon E5-2699 v4比Intel Xeon E5-2699 v3增加了23.4%,微弱超过了核心数量的增加。需要注意的是,在内存带宽上,Broadwell-EP并没有获得如此大的增幅(只有12.5%),因此,纯粹的核心数量增加一般无法线性地提高性能,而23.4%性能的增加说明有一部分原因就是基于处理器微架构的改进。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
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。