Apple M5 Pro
PulseAugur coverage of Apple M5 Pro — every cluster mentioning Apple M5 Pro across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
多篇论文详细介绍LLM推理优化和验证研究
研究人员正在探索优化大型语言模型(LLM)推理的方法,以提高效率和可验证性。一篇论文详细介绍了一种用于NVIDIA Blackwell GPU上的Qwen3-8B模型的混合精度量化技术,在保持准确性的同时实现了内存和延迟目标。另一项研究引入了Alpha-TCM,用于多模态系统(特别是中医药)的可审计知识集成。此外,VelServe和Superfluid等新的服务框架旨在降低LLM的延迟并提高吞吐量,其中Superfluid支持跨多个本…
-
Spark AI 发布 DSpark 草案模型以加快推理速度
Spark AI 发布了 DSpark,这是一款旨在加速其 Spark-X2.6-4B 模型推理速度的新草案模型。基准测试表明,DSpark 的 BF16 推理吞吐量可提升一倍以上,在 NVIDIA RTX 4090 上可实现高达 2.14 倍的加速,在 Apple M5 Pro 上可实现 2.50 倍的加速。这种性能提升归功于 DSpark 的推测解码能力,它为目标模型并行验证提出多个标记,从而减少了顺序解码步骤。
-
Recursive Superintelligence 发布 Flint,一款 40B MoE 编码模型
Recursive Superintelligence 推出了 Flint,一款拥有 400 亿参数的混合专家(MoE)模型,专为编码 Agent 设计。该模型每个 token 使用 25 亿激活参数,是在 Recursive 的自动化研究系统 Eureka Machine 的协助下开发的。Flint 在 IFEval 和 SWE-bench 等编码基准测试中表现强劲,并针对 Apple Silicon Mac 和拥有 48GB 内存…
-
Liquid AI 开源 d1 决策模型以支持边缘 AI
Liquid AI 已开源其两个 d1 决策模型 d1-3B 和 d1-omni-600M,并将其发布在 Hugging Face 上。这些模型旨在处理文本、图像和音频等各种输入,以对预定义问题提供结构化、类型化的答案,目标是取代传统的 LLM 调用,用于工单路由和意图分类等任务。d1-3B 模型基于 LFM2.5-VL-3B 构建,声称在 100 亿参数以下的模型中取得了最先进的性能,并报告了在消费级硬件上快速的推理速度。d1-om…
-
Reflex AI 发布了具有 Rust 内核的快速 Python 图表库 XY
Reflex AI 已开源 XY,这是一个采用 Rust 内核构建以提高性能的新型 Python 图表库。XY 可以处理具有多达 1 亿个数据点的交互式 2D 可视化,在速度和数据负载大小方面显著优于 Matplotlib 和 Plotly 等现有库。该库目前处于 alpha 阶段,但可用于内部分析和笔记本电脑,在量化金融和基因组学等领域具有潜在应用。