【ZD Research】测试中我们为了对比四代处理器,使用了略旧Intel C&Fortran Compiler版本,因此对Broadwell-EP不足够友好。在使用AVX 1.0编译代码时,Intel Xeon E5-2699 v4比Intel Xeon E5-2699 v3提升28.5%(整数)和23.4%(浮点),在使用AVX 2.0编译代码时,Broadwell-EP性能是Haswell-EP的225%(整数)和176%(浮点),性能优势是很明显的。以后我们会使用更新版本的Intel C&Fortran Compiler进行编译。
2016年4月,Intel Broadwell-EP处理器评测 by ZD Research 盘骏/Lucifer
性能的提升部分基于核心数量的提升,基于14nm工艺,Broadwell-EP在TDP基本不变的情况下将核心数量提升最多4个。除了核心数量的变化之外,Broadwell-EP在微架构/架构方面的改进让前面的AVX 2.0性能测试具有不正常的提升,虽然其幅度不值得信任,但其也代表了这些微架构/架构改进确实可能起到作用。
Intel Xeon E5-2600 v4最多可以提供22个核心
除了性能的提升之外,一个我们很看重的特性是Intel RDT(Resource Director Technology,资源管理技术),通过RDT,系统管理员可以更精细的管理CPU上具有的资源,从Cache到代码优先级到内存带宽,都可以管理。而在以往,X86很缺乏这些能力。参考Intel VT技术,永久改变了X86虚拟化的实现,现在RDT也具有类似的潜力。
Intel Resource Director Technology
Broadwell-EP的改进有很多,由于时间关系未能尽兴,请继续期待我们的相关评测文章。
前两代处理器Ivy Bridge-EP和Haswell-EP的评测:
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。