至顶网软件频道消息: 英特尔今年在区块链领域里忙个不停,其中的一个重要项目就是与IBM共同赞助Hyperledger的Transact。
如今,区块链技术正在不断为产业创新提供支持,世界领先计算机硬件生产商之一的英特尔要与区块链商家进行广泛合作也是理所当然的。由英特尔共同赞助的Hyperledger新项目是6月底发布的,目的是简化区块链编程。与此同时,英特尔表示今年还将在其他几个区块链开发项目上做出更多贡献。
英特尔区块链项目总监Michael Reed在接受记者采访时表示,“我们与区块链部门合作的主要目标是确保区块链领域的新工作负载和领先解决方案能在英特尔芯片CPU/处理器上更好地运行。为此,我们正在全面进军整个区块链行业。”
Reed做了以下的解释——英特尔将区块链相关的工作放在了几个不同的类别上,例如参与区块链开发和构建开源软件。Reed表示,“我们将努力在企业以太网联盟和Hyperledger等联盟里收集区块链开发人员的要求或标准。”
谈及英特尔最近的工作时,Reed提到今年6月底Hyperledger的一个项目公告。“我们最近刚与Hyperledger一起共同发布了一个名为Transact的项目。 Transact的目标是为程序员提供使用区块链的更适当方式,让技术之间更容易兼容。”他说。
Reed表示,“Transact有望提供区块链常用的编程方法,他们称之为可扩展事务层。假若我今天要编个区块链程序,就需要选编程环境。例如,如果我想在以太坊环境里编程,通常就会选择Solidity,在Solidity集成开发环境里编程,由此得到智能合同,进而在以太坊虚拟机中执行。”
而Transact则希望简化此流程。Reed表示,“Transact的目标是打造一个有可扩展事务层的世界,这意味着,通过Transact完成一次编程,得到的代码就可以在任何支持Transact的区块链上运行。”Transact是由英特尔和IBM共同赞助的项目,该项目已经在Hyperledger获得批准,并在不久前正式发布了消息。”
Hyperledger在发布的关于Transact的博文公告(https://www.hyperledger.org/blog/2019/06/27/introducing- hyperledger-transact)中表示,英特尔此前做的工作在该项目的开发上发挥了部分作用。该博文称,“Hyperledger Transacts的初始代码是由Bitwise IO和Cargill开发的,英特尔之前在Hyperledger Sawtooth的贡献对初始代码有很大影响。”
英特尔的开源部最近也有其他发展。Reed表示,“我们刚刚启动了一个新的解决方案,称为可信计算规范,它为程序员提供了允许区块链与离线资源进行交互的方法。”
“这就是个VM (虚拟机),可以为用户提供更快执行合同的计算能力,这样的计算能力包括数据存储等。例如,ERP (企业资源规划)数据库,他们就可以在供应链应用程序里访问这个数据库。计算能力也可能是传感器,帮助用户更便捷地访问传感器。除此之外,计算能力也可能是为了通知或触发区块链合同。”Reed表示。
据Reed解释,英特尔曾在2019年5月在CoinDesk共识会议上作为企业以太坊联盟内部组建的一部分披露了此次项目的相关信息。
Reed表示,英特尔一直在聚焦旗下CPU/处理器性能的提升,并与IBM及Hyperledger Fabric的开发者社区合作提高Hyperledger Fabric的性能。Reed更给出了细节,“我们在这段时间内看到,在英特尔芯片上运行的Hyperledger Fabric性能提升了6倍”。英特尔曾于今年4月公布了有关数据。
此外,他还透露,英特尔芯片还在推广另外几项改进。例如,为使用英特尔硬件的开发人员项目提供隐私、安全和可扩展性。他称,“一些关键功能有助于实现这些改进,其中之一就是英特尔SGX(英文Software Guard Extensions的缩写)。英特尔SGX是我们处理器的一个独立部分”,可以在‘安全性、可扩展性和数据隐私’方面‘有助于更好地制作区块链’。” Reed表示。据悉,Corda创建者R3今年3月推出的Java虚拟机(JVM)就是在硬件的SGX部分运行。
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。