至顶网软件频道消息:亚马逊网络服务周三宣布全面推出适用于Windows的Amazon EC2 Elastic GPUs。目前,客户可以在us-east-1和us-east-2中使用弹性GPU。
弹性GPU附加到亚马逊弹性计算云(Amazon Elastic Compute Cloud ,EC2)实例以加速应用程序的图形性能。它们最好地适应了哪些需要小量或间歇性额外GPU能力的应用程序。
AWS云高级技术宣讲者Randall Hunt在一篇博文中写道:“您可以针对许多实例类型使用弹性GPU,您可以灵活地为应用程序选择适当的计算、内存和存储空间。
弹性GPU有四种规格:中型(1GB)、大型(2GB)、超大型(4GB)和2X超大型(8GB)。它们为使用像G3或G2这样的GPU实例类型(针对OpenGL 3.3应用程序)提供了较低成本的替代方案,最低的eg1.medium的价格只要一小时5美分。
通过将中型弹性GPU连接到t2.medium实例(每小时只需要6美分),只使用一个GPU的实例每个小时的成本将低于12美分。Hunt指出,以前,最便宜的图形工作站(G2 / 3之类)每小时的成本是76美分。
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。