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”。
对于AVX2下的测试,前面也说过,在Intel Xeon E5-2699 v3上,只要有一个核心运行AVX2代码,所有核心的最高频率都会降低到某个频率,而在Intel Xeon E5-2699 v4上,在运行AVX2代码时只有这个核心会降低一定的频率,不同的核心其频率互不影响,从而提高了整体性能:
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
测试表现出两代处理器具有非常巨大的差距,对于Haswell-EP,使用AVX2编码可以说性能测试得分有所下降,而对于Broadwell-EP,性能则略有上升,加上本来就具有的性能差距,AVX2编码代码性能差别非常巨大,Broadwell-EP性能是Haswell-EP的225%。需要重申的是,这里使用的AVX2编码是非常初级的状况,基于对现在来说显得有些陈旧的ICL 13.0。我们相信,如果使用最新版本的ICL,Haswell-EP的性能也没那么差——当然,Broadwell-EP的性能则会比现在更好。
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
浮点性能的差异则没那么大,Broadwell-EP性能是Haswell-EP的176%。在AVX2测试中,Broadwell-EP在所有核心都满载的情况下,频率为2.6GHz,而在AVX测试中,这个频率是2.8GHz,Haswell-EP的情况也类似。尽管看起来没什么区别,但需要解释的是,程序可以没有AVX2编码,但最基本的整数运算一定会具有,因此,对于将所有核心的AVX2运行频率解耦的Broadwell-EP来说,只要运行着AVX2编码,就能相对上一代获得潜在的性能优势,因为非AVX2编码的那部分代码被加速了。
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。