今早,Linus Torvalds 在 Kernel 的 GitHub master 中提交了一個(gè)改動(dòng),Kernel 正式進(jìn)入 4 時(shí)代。該項(xiàng)目代號(hào)為“Hurr durr I’ma sheep”(是的,代號(hào)有點(diǎn)奇怪)。
根據(jù) Phoronix 的報(bào)道,Linux 4.0 主要包括以下特性:
新增“實(shí)時(shí)內(nèi)核補(bǔ)丁”。無(wú)需重啟,實(shí)時(shí)修補(bǔ)內(nèi)核。該特性由 Red Hat 的Kpatch 和 SUSE 的 kGraft 合并形成。
改進(jìn)圖形支持。Radeon DRM 驅(qū)動(dòng)支持顯示端口的音頻輸出,改良了風(fēng)扇控制。HSA AMDKFD 開(kāi)始對(duì) Carrizo APU 進(jìn)行開(kāi)發(fā);Intel 圖形驅(qū)動(dòng)方面,Skylake 支持已經(jīng)基本成型;對(duì) N 系顯示方案的支持也有所改進(jìn)。
改進(jìn)儲(chǔ)存系統(tǒng)。包括 pNFS 、Btrfs RAID 5/6 的相關(guān)支持, OverlayFS 也加入了一些新功能。
改進(jìn)硬件支持。支持Intel Quark SoC 以及更多 ARM 設(shè)備、IBM z13,一個(gè)明顯的趨勢(shì)是,集成了更多的ARM支持。此外,還改進(jìn)了東芝系列筆記本、羅技輸入設(shè)備的支持。
改進(jìn)文件系統(tǒng)驅(qū)動(dòng)程序。包括OverlayFS、pNFS、下一代BtrFS等在內(nèi)的文件系統(tǒng)驅(qū)動(dòng)全部得到改進(jìn)。
有趣的是,盡管索尼進(jìn)行固件升級(jí),將“其他操作系統(tǒng)”這個(gè)選項(xiàng)從現(xiàn)在的PlayStation 3中移除了(索尼因此面臨著法律訴訟)。Linux 4.0還是為PlayStation 3提供了補(bǔ)丁。
好啦,來(lái)看看Linus 的提交的改動(dòng):
diff --git a/Makefile b/Makefile
index 54430f9..fbd43bf 100644
--- a/Makefile
+++ b/Makefile
@@ -1,7 +1,7 @@
VERSION = 4
PATCHLEVEL = 0
SUBLEVEL = 0
-EXTRAVERSION = -rc7
+EXTRAVERSION =
NAME = Hurr durr I'ma sheep
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問(wèn)題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問(wèn)題偏愛(ài)不同專家配置,為AI推理優(yōu)化開(kāi)辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過(guò)"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問(wèn)題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開(kāi)發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過(guò)滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問(wèn)題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開(kāi)辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過(guò)讓AI模型學(xué)習(xí)解決幾何問(wèn)題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來(lái)顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。