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
微软研究院发布Memora记忆系统,旨在解决AI智能体在长期部署中记忆碎片化、检索效率低的问题。Memora通过将存储内容与检索方式解耦,引入"主抽象"与"线索锚点"双组件架构,在LoCoMo和LongMemEval两项基准测试中表现优异,上下文token用量最高可降低98%。但专家提醒,实际企业成本还需考虑索引、存储及合规审计,且该项目目前仍处于研究阶段,尚未达到生产就绪水平。
这项马里兰大学与思科研究院的联合研究发现,VLA机器人模型的语言模块存在严重冗余——砍掉一半语言层后成功率不降反升,而视觉和动作模块则高度敏感。
波兰小型模块化反应堆开发商SGE宣布计划在英国三个地点部署14台GE Vernova Hitachi的BWRX-300机组,总装机容量达4.2GW,可满足英国约11%的电力需求。该项目已依据英国《先进核能框架》提交申请,采用差价合约融资模式,预计2026年11月进入先进核能管道,首台机组目标于2034年投入商业运营。
研究揭示多智能体AI系统中验证存在"最优剂量":纠错太强或延迟太长会让AI团队陷入震荡,黄金比例倒数0.618是延迟两轮时的精确稳定阈值。