AMD Ryzen 9 9900X的Cinebench R23跑分数据公布 相比7900X提升20%

摘要：在 Cinebench R23 基准测试中，我们首次获得了 AMD12 核 Ryzen 9 9900X"Zen 5"台式机 CPU的性能数据。它将与英特尔酷睿 i7-14700K 这款 20 核芯片竞争。新款 Ryzen CPU 在 Cinebench 等多线程工作负载中取得了非常显著的提升，我们将介绍这款芯片在默认模式和 PBO 模式下的表现。 AMD Ryzen 9 9900X"100-000000662"CPU是一款12核24线程的变体。该芯片的基本时钟频率为 4.4 GHz，提升时钟频率高达 5.6 GHz，缓存为 76 MB。有趣的是，这款芯片的 TDP 为 120W，远低于 Ryzen 9 7900X 芯片的 170W。虽然该芯片再次保持了与 Ryzen 9 7900X 相同的提升时钟速度，但基本时钟频率却降低了-300 MHz，这也是为了符合 120W 的功耗限制，但 12 核应该能够再次拥有不错的多线程能力。以下是 Ryzen 9 9900X 与上一代产品的 TDP 比较：至于性能数据，我们收到的数据是在高端 X670E 主板上使用零售版 AMD Ryzen 9 9900X 芯片和 AGESA 1.2.0.0 BIOS 评估得出的。在分数方面，该芯片首先在默认的 120W 模式下进行了评估，在 Cinebench R23 多线程测试中获得了约 33000 分。相比之下，AMD Ryzen 9 7900X 在默认运行模式下的平均得分约为 29000 分，TDP 为 170W。因此，在 TDP 降低 50W 的情况下可以看到 14% 的提升，从多线程效率的角度来看，这是非常令人印象深刻的。此外，上述 Ryzen 9 7900X 的 170W TDP 默认已启用 PBO。一旦 AMD Ryzen 9 9900X 12 核"Zen 5"桌面 CPU 启用 PBO，其得分将飙升至约 34500 分，比 Ryzen 9 7900X 提升约 20%，用户仍可期待其功耗低于 Zen 4 芯片。得分应该与英特尔酷睿 i7-14700K 处于同一水平，我们预计最终性能将接近 3.5 万分，甚至在 BIOS 更新后超过 3.5 万分。 原文：https://m.cnbeta.com.tw/view/1437353.htm

英特尔Fast Throttle技术将允许在Arrow Lake上对单个核心进行降频

摘要：英特尔第 13 代 Raptor Lake CPU 在性能上有了许多改进，但也存在一些问题，包括运行时发热。为了解决发热问题，英特尔推出了一项名为"快速节流"（Fast Throttle）的全新撞温度墙技术。不过，这一技术的发布并不引人注目，甚至在对 Raptor Lake 的报道中都没有被提及。 一位名为"Jaykihn"的 X 用户称，单核撞温度墙机制在箭湖处理器上正式亮相。当温度过高时，"快速节流"会提供更精细的性能调整，从而为英特尔 CPU 增加一些散热空间。它不是简单地调低整个处理器的时钟速度，而是精确地针对温度过高的单个 CPU 核心。每核降频方法不同于以前使用的典型温度保护技术。这些技术主要是参考整体芯片温度，并采取更广泛的措施，如限制频率、降频涡轮增压行为或调整电压。在 Fast Throttle 技术中，英特尔采用了一种名为时钟调制的巧妙方法。它不是上下调整时钟速度，而是在极短的时间内关闭特定核心的物理 CPU 时钟。这样做的结果是，散热管理更加细致入微。如果只有一个或两个核心温度飙升，Fast Throttle 可以有选择性地降低它们的温度，而不会影响其他核心的性能，因为其他核心仍在低温运行。然而，当 Raptor Lake 发布时，Fast Throttle 却被锁了起来，英特尔没有为用户手动配置它提供任何控件。随着 2023 年底 Raptor Lake 的更新，这种情况发生了改变，超频玩家和 PC 发烧友终于有了启动它的钥匙。如果 Jaykihn 的提示属实，那么 Arrow Lake 可能会在一开始就提供手动控制功能。对于当今许多超频游戏机和工作站来说，散热限制是影响原始性能的最大因素之一。因此，拥有像快速节流阀（Fast Throttle）这样更精细的节流杠杆来挤出额外的余量可能是非常重要的。英特尔预计在 2024 年下半年推出第 15 代 Arrow Lake 处理器，时间可能在 10 月到 12 月之间。不过，有传言称，搭载新 CPU 的笔记本电脑可能要到 2025 年初才会上市。据 Jaykihn 最近报道，采用 800 系列芯片组的主板将与新芯片配套。 原文：https://m.cnbeta.com.tw/view/1437352.htm

NASA帕克探测器以每小时394736英里的速度接近太阳 再创纪录

摘要：2024 年 6 月 30 日，美国国家航空航天局的帕克太阳探测器成功完成了第 20 次接近太阳。美国国家航空航天局的帕克太阳探测器于2024年6月30日完成了对太阳的第20次接近，距离太阳表面约451万英里（726万公里），刷新了自己的距离纪录。 帕克太阳探测器（Parker Solar Probe）完成了对太阳的第20次近距离探测，在距离和速度上都追平了之前的记录。据报告，帕克探测器恢复了良好的健康状况，计划在 2024 年再接近太阳三次，其中一次将在飞越金星后缩短与太阳的距离。图片来源：NASA GSFC/CIL/Brian Monroe这次接近（称为近日点）发生在世界协调时3:47（美国东部时间6月29日晚11:47），帕克太阳探测器以每小时394,736英里（635,266公里）的速度绕太阳运行，再次刷新了自己的记录。7 月 2 日，飞船向马里兰州劳雷尔约翰斯-霍普金斯应用物理实验室（飞船也是在那里设计和建造的）的任务操作员报到，信标音显示飞船健康状况良好，所有系统运行正常。帕克太阳探测器的第 20 个轨道包括一次近日点，使航天器距离太阳 451 万英里。图片来源：NASA/Johns Hopkins APL/Steve Gribben这一里程碑还标志着这次任务从6月25日开始到7月5日结束的第20次太阳会合的中点。帕克今年将在 9 月 30 日以同样的距离和速度再绕太阳飞行一次，然后在 12 月 24 日按计划进行三次最近接近中的第一次。届时，帕克的轨道将由 11 月 6 日最后一次金星引力辅助飞越形成，航天器将在距离太阳表面仅 380 万英里的地方放大，时速约为 43 万英里。编译自/ScitechDaily 原文：https://m.cnbeta.com.tw/view/1437351.htm

咬文嚼字：词元是当今生成式人工智能失败的一个重要原因

摘要：生成式人工智能模型处理文本的方式与人类不同。了解它们基于"标记"的内部环境可能有助于解释它们的一些奇怪行为和顽固的局限性。从 Gemma 这样的小型设备上模型到 OpenAI 业界领先的 GPT-4o 模型，大多数模型都建立在一种称为转换器的架构上。由于转换器在文本和其他类型数据之间建立关联的方式，它们无法接收或输出原始文本--至少在没有大量计算的情况下是如此。 因此，出于实用性和技术性的考虑，今天的转换器模型使用的文本已经被分解成更小、更小的片段，这些片段被称为标记--这一过程被称为标记化。词元可以是单词，如"fantastic"。也可以是音节，如"fan"、"tas"和"tic"。根据标记化器（标记化模型）的不同，它们甚至可以是单词中的单个字符（例如，"f"、"a"、"n"、"t"、"a"、"s"、"t"、"i"、"c"）。使用这种方法，转换器可以在达到称为上下文窗口的上限之前接收更多信息（语义意义上的）。但标记化也会带来偏差。有些标记符有奇特的间距，这会使转换器出错。例如，词元转换器可能会将"once upon a time"编码为"once"、"on"、"a"、"time"，而将"once upon a"（有尾部空白）编码为"once"、"on"、"a"、"."。根据对模型的提示方式--"once upon a"还是"once upon a ,"--结果可能完全不同，因为模型并不能理解（就像人一样）意思是一样的。标记符号化器处理大小写的方式也不同。对模型来说，"Hello"并不一定等同于"HELLO"；"hello"通常是一个标记（取决于标记化器），而"HELLO"可能有三个标记（"HE"、"El"和"O"）。这就是许多转换器无法通过大写字母测试的原因。东北大学研究大型语言模型可解释性的博士生 Sheridan Feucht 对此表示："对于语言模型来说，'词'到底应该是什么，这个问题有点难以解决，即使我们让人类专家就完美的标记词汇达成一致，模型可能仍然会认为进一步'分块'是有用的。"我的猜测是，由于这种模糊性，不存在完美的标记符号生成器。"这种"模糊性"给英语以外的语言带来了更多问题。许多标记化方法都认为句子中的空格表示一个新词。这是因为它们是针对英语设计的。但并非所有语言都使用空格来分隔单词。汉语和日语不使用空格，韩语、泰语和高棉语也不使用。2023 年牛津大学的一项研究发现，由于非英语语言的标记化方式不同，转换器完成一项非英语语言任务所需的时间可能是英语任务的两倍。同一项研究和另一项研究发现，"标记效率"较低的语言的用户很可能会看到更差的模型性能，但却要支付更高的使用费用，因为许多人工智能供应商是按标记收费的。标记化器通常将逻各斯书写系统中的每个字符（在这种系统中，印刷符号代表单词，而与发音无关，如中文）视为一个独立的标记，从而导致标记数较高。同样，标记化器在处理凝集语（单词由称为词素的有意义的小词元组成，如土耳其语）时，往往会将每个词素变成一个标记，从而增加总体标记数。(在泰语中，"hello"的对应词สวัสดี有六个标记）。2023 年，Google DeepMind 人工智能研究员 Yennie Jun进行了一项分析，比较了不同语言的标记化及其下游效果。通过使用一个翻译成 52 种语言的平行文本数据集，Jun 发现有些语言需要多达 10 倍的标记才能表达英语中的相同含义。除了语言上的不平等，标记化也可以解释为什么今天的模型数学不好。数字标记化很少能保持一致。因为它们并不真正了解数字是什么，标记符号化器可能会将"380"视为一个标记符号，而将"381"表示为一对（"38"和"1"）--这实际上破坏了数字之间的关系以及方程和公式中的结果。结果就是转换器混乱；最近的一篇论文表明，模型很难理解重复的数字模式和上下文，尤其是时间数据。(参见：GPT-4认为7735 大于 7926）。这也是模型不擅长解决变位问题或颠倒单词的原因。标记化显然给生成式人工智能带来了挑战。它们能被解决吗？也许吧。Feucht 指出，像MambaByte 这样的"字节级"状态空间模型，通过完全取消标记化，可以摄取比转换器多得多的数据，而不会影响性能。MambaByte 可直接处理代表文本和其他数据的原始字节，在语言分析任务方面可与某些转换器模型媲美，同时还能更好地处理"噪音"，如带有交换字符、间距和大写字母的单词。不过，像 MambaByte 这样的模式还处于早期研究阶段。"最好的办法可能是让模型直接查看字符，而不强加标记化，但现在这对变换器来说在计算上是不可行的，"Feucht 说。"特别是对于变换器模型来说，计算量与序列长度成二次方关系，因此我们真的希望使用简短的文本表示"。如果不能在词元化方面取得突破，新的模型架构似乎将成为关键。 原文：https://m.cnbeta.com.tw/view/1437350.htm

科学家发现与饱腹感有关的神经元群体

摘要：一项新研究发现，GLP-1 受体激动剂通过作用于背内侧下丘脑的神经元，在进食前触发饱腹感。这项研究揭示了这些激动剂增强饱腹感和帮助防止摄入过多食物的神经机制，从而在解决肥胖问题方面发挥了至关重要的作用。 胰高血糖素样肽-1（GLP-1）在发出进食后饱腹感信号方面发挥着重要作用。进食前饱腹感是一种发生在实际摄入食物之前的现象，使动物能够调节体内状态并为变化做好准备。最近，GLP-1 受体激动剂（GLP-1RAs）通过影响食物认知、减弱下丘脑对食物线索的反应以及改变食物适口性的感知，被证明能有效治疗肥胖症。GLP-1 受体激动剂是一种人工合成药物，可模拟因摄入食物而产生的激素 GLP-1。这些研究结果表明，GLP-1RA 可在胃肠道饱食前发挥作用，控制食物摄入量。然而，人们对这些作用的中心机制了解甚少，GLP-1RAs 的作用靶点仍存在争议。在此，Kyu Sik Kim 及其同事展示了一项针对肥胖者的阶段性临床试验结果。研究小组在接受或不接受 GLP-1RA 治疗的基线、进食前和进食阶段进行了饱腹感调查。结果显示，GLP-1RA 治疗可持续提高各阶段的饱腹感指数（整体饱腹感），而对照组的饱腹感指数从基线到进食前阶段均有所下降。在进食前阶段，与基线相比，GLP-1RA 显著提高了饱腹感指数，增强了预期食物摄入、食物奖励和动机饱腹感指数。通过对人类和小鼠大脑样本的分析，Kim等人确定了背内侧下丘脑的神经回路，这些神经回路与这些激动剂相互作用，诱导抑制对食物的欲望。对这些神经元进行光遗传学操作可引起饱腹感，而钙成像技术则证明它们积极参与了对进食前饱腹感的编码。编译自/ScitechDailyDOI: 10.1126/science.adj2537 原文：https://m.cnbeta.com.tw/view/1437349.htm

暗物质动力学探索奇异的卫星星系“Crater II”

摘要：“Crater II”是一个巨大而暗淡的卫星星系，它的特性对传统的冷暗物质理论提出了挑战。SIDM理论提供了一个更好的解释，认为暗物质相互作用降低了密度，增大了星系体积，与观测结果相吻合。Crater II距离地球约 38 万光年，是银河系最大的卫星星系之一。Crater II极其寒冷，恒星移动缓慢，表面亮度很低。这个星系是如何起源的，目前还不清楚。 加州大学河滨分校物理学和天文学教授于海波说："自2016年发现Crater II以来，人们曾多次尝试重现它的不寻常特性，但事实证明这非常具有挑战性。"他的团队在最近发表于《天体物理学期刊通讯》（TheAstrophysical Journal Letters）的一篇论文中对Crater II的起源做出了解释。卫星星系是一个较小的星系，它围绕着一个较大的主星系运行。暗物质占宇宙物质的85%，它可以在引力的作用下形成一个球形结构，称为暗物质晕。暗物质晕看不见摸不着，它渗透并包围着像Crater II这样的星系。Crater II极其寒冷，这表明它的光环密度很低。我们的银河系被大约 50 个矮星系包围着。这些星系中的大多数只能通过望远镜来识别，并以它们出现在天空中的星座来命名（例如天龙座、雕刻家座或狮子座）。不过，两个最明显的矮星系被称为大麦哲伦云（LMC）和小麦哲伦云（SMC），它们很容易被肉眼看到。资料来源：ESA/Gaia/DPACCrater II在银河系的潮汐场中演化，经历了与宿主星系的潮汐相互作用，类似于地球海洋因月球引力而经历潮汐力。理论上，潮汐相互作用可以降低暗物质晕的密度。然而，对Crater II环绕银河的轨道的最新测量结果表明，潮汐相互作用的强度太弱，不足以降低卫星星系的暗物质密度，从而与其测量结果保持一致--如果暗物质是由冷的、无碰撞的粒子构成的，正如流行的冷暗物质理论（或称CDM）所预期的那样。另一个谜题是，当卫星星系在银河系的潮汐场中演化时，潮汐相互作用会缩小卫星星系的体积，因此Crater II怎么会有这么大的体积呢？于和他的团队引用了一种不同的理论来解释Crater II的特性和起源。该理论被称为"自相互作用暗物质"（self-interacting dark matter，简称SIDM），它可以令人信服地解释各种暗物质的分布。该理论认为，暗物质粒子通过暗力进行自我相互作用，在靠近星系中心的地方相互发生强烈碰撞。于说："我们的工作表明，SIDM可以解释Crater II的不寻常特性。关键的机制是暗物质的自我相互作用使Crater II的光环热化，并产生一个浅密度核心，也就是说，暗物质密度在小半径处是扁平的。相反，在CDM光环中，密度会向星系中心急剧增加。"在 SIDM 中，与Crater II轨道测量结果一致的相对较小的潮汐相互作用强度就足以降低Crater II的暗物质密度，这与观测结果是一致的。"重要的是，星系的大小在SIDM光环中也会扩大，这就解释了Crater II的巨大体积。暗物质粒子在有芯的SIDM光环中比在'脆弱'的CDM光环中结合得更松散。我们的工作表明，SIDM比CDM更能解释Crater II的起源。"编译自/ScitechDaily 原文：https://m.cnbeta.com.tw/view/1437348.htm