Rigel
PulseAugur coverage of Rigel — every cluster mentioning Rigel across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
Google 研发 'Rigel' 芯片，专为 Gemini AI 模型提供动力
据报道，Google 正在研发一款专用芯片，其能效将远超现有的 Tensor Processing Units (TPUs)。这款代号为 'Rigel' 的新芯片将专用于驱动 Google 的 Gemini 大语言模型，这表明 Google 正在采取战略举措，以优化其人工智能基础设施的性能并降低运营成本。
-
Nvidia Rigel CPU 核心将采用 Armv9.2，增强缓存和内存
Nvidia 的 Rigel CPU 核心将采用 Armv9.2 架构，集成增强的 L2 缓存和更快的内存访问。此次升级旨在提高 Nvidia 处理单元的性能和效率。
-
NVIDIA Vera CPU 针对 AI 代理，追求最大单线程性能
NVIDIA 推出了一个新类别的 CPU，称为“大规模最大单线程 CPU”，其代表是 NVIDIA Vera 芯片。这些 CPU 旨在优化代理式 AI 工作负载的性能，在这些工作负载中，单个任务的快速执行对于整体系统速度和效率至关重要。与优先考虑核心数量的传统数据中心 CPU 不同，Vera 专注于最大化每个核心的单线程性能，确保 AI 代理即使在高负载下也能快速处理信息和执行命令。这种设计旨在通过减少瓶颈和提高 AI 代理的响应能力…
-
新的Rigel指标增强了图像和视频字幕评估
研究人员推出了一种名为Rigel的新型指标，用于评估图像和视频字幕系统，旨在提高与人类判断的一致性。Rigel采用自蒸馏分数自适应方法，利用从大型语言模型（LLM）派生的特定于评估的评分头来捕获与任务对齐的信号，而无需依赖大型词汇集。该指标的骨干通过人类判断数据进一步完善，并通过创建Vid-Lepus数据集证明了其有效性。实验表明，Rigel的性能显著优于现有指标，在ActivityNet-Fact等基准测试中取得了重大改进。
-
Apple M4 Max GPU 的张量计算路径被模拟，而非加速
研究人员逆向工程了 Apple M4 Max GPU 上的 Metal 4.1 张量计算路径，发现 fp8 matmul2d 操作是模拟的，而非硬件加速。这意味着该操作在 GPU 的着色器核心上运行，至少以 fp32 精度累积，并且不使用专用的矩阵数据路径或 Apple Neural Engine。这些发现详细记录在一篇题为“Rigel”的论文中，通过实证表征和微基准测试实现，并开发了一个融合内核，其性能比分解路径高出 12.9%。