西门子数字工业软件近日宣布,已与英特尔代工(Intel Foundry)合作,为该厂的嵌入式多芯片互连桥接器 (EMIB) 方法开发全面的工作流程,实现异构芯片的封装内高密度互连。
利用西门子业界领先的集成电路和PCB设计方面的专业知识和世界级技术,英特尔的EMIB技术可提供先进的集成电路封装解决方案,涵盖规划和原型设计,直至在FCBGA、2.5/3D IC 等广泛的集成技术中实现签核(signoff)。
Intel Foundry副总裁兼产品与设计生态系统总经理Rahul Goyal表示:“我们正在为客户提供高度创新的先进封装技术。”“与西门子的合作使我们能够定义一个经过认证的、做好生产准备的EMIB技术参考流程,并将其提供给我们的客户,以便他们能够高效、有效地进行设计。”
借助这一新的Intel Foundry工作流程,双方客户可以处理一系列关键任务,包括早期封装装配原型设计、分层器件平面规划、协同设计优化、完整详细实施验证(包括信号和电源完整性分析)以及封装装配设计工具包(PADK)驱动的装配验证。
该参考流程采用的西门子技术包括 Xpedition™ Substrate Integrator 软件、Xpedition™ Package Designer 软件、Hyperlynx™ 软件 SI/PI 和Calibre®nmPlatform 工具(包括 Calibre® 3DSTACK 软件)。
西门子数字工业软件Electronic Board Systems高级副总裁 AJ Incorvaia 表示:“西门子很高兴能够与英特尔代工合作,为英特尔的创新EMIB 技术开发和提供经过认证的参考流程。”作为英特尔的长期供应商,西门子很荣幸被选中参与这个项目,并期待着分享我们的 3D-IC 专业技术,为我们的共同客户带来价值。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。