NVIDIA 发布了 **Cosmos 3**,这是一款前沿基础模型,旨在通过将物理推理、世界生成和动作生成统一在单一的开源架构中,来推动物理 AI 的发展。 该模型基于 Mixture-of-Transformers (MoT) 框架构建,配备了一个用于解读多模态输入的“推理器 (Reasoner)”塔,以及一个用于预测物理感知结果和动作的“生成器 (Generator)”塔。这种集成简化了开发过程,无需再协调多个分散的流程。 NVIDIA 提供了两个版本: * **Cosmos 3 Nano (16B):** 针对工作站级 GPU 上的高效实时推理进行了优化。 * **Cosmos 3 Super (64B):** 专为高性能数据中心工作负载和高级合成数据生成而设计。 此次发布包括开源模型检查点、训练方案,以及涵盖机器人技术、自动驾驶和空间推理的六个合成数据集。为了促进生产应用,NVIDIA 提供了 **Cosmos 3 NIM 微服务**,通过量化和 vLLM 等专用引擎提供优化的推理性能。为确保质量,NVIDIA 引入了 HUE(人类评估)基准,这是一个基于事实的客观框架,旨在衡量模型在不同现实领域中的物理合理性和语义准确性。
在软件开发中,特别是在设计哈希函数时,开发者经常将两个 $n$ 位整数相乘,产生一个 $2n$ 位的乘积。一个相关的问题是,所有可能的 $2n$ 位数值中,究竟有多大比例可以通过这种乘法生成。
数学理论(尤其是保罗·埃尔德什的研究)表明,随着 $n$ 的增加,可生成值的比例趋近于零。对于 32 位整数这类实际应用场景,确定精确的覆盖率并非简单的暴力破解所能及。韦伯斯特(Webster)等人的研究证实,在所有可能的 64 位无符号整数中,只有约 17% 可以由两个 32 位整数相乘得出。
这一发现凸显了依赖乘法的哈希函数的一个关键局限:它们本质上无法在整个输出空间内实现均匀分布,因为绝大多数潜在数值在数学上是不可能生成的。在分析或逆向这些运算时,必须使用素因数分解等技术来判断特定的乘积是否能分解为所需的因子。归根结底,由于大多数数字并非两个 $n$ 位整数的乘积,此类哈希函数永远无法覆盖其目标输出空间的全部范围。
英伟达(Nvidia)发布了其新款“RTX Spark”超级芯片,标志着其战略重心正从组件供应商向个人电脑市场的主要参与者转型。该芯片专为个人人工智能时代设计,旨在将计算机从单纯的工具转变为互动式的“队友”。
这项新技术将被集成到联想、惠普、戴尔和微软 Surface 等主要制造商即将推出的 Windows 电脑中,预计设备将于今年秋季上市。英伟达正与微软密切合作,为人工智能驱动的软件提供安全平台。分析人士称,此举是一次“范式转移”,直接挑战了英特尔、AMD 和高通等竞争对手。
尽管该芯片承诺提供工作站级的人工智能性能,但行业专家指出,其价格可能较为昂贵。此次发布正值美国政府近期收紧对华高科技人工智能芯片出口管制之际,进一步突显了全球在人工智能基础设施领域的主导权之争。尽管面临挑战,英伟达仍继续利用其在数据中心领域取得的巨大成功,以巩固其在个人计算领域的影响力。