Windows 11 即将成Steam玩家使用最多的系统

摘要：近日，6月Steam硬件调查报告出炉。从数据来看，Windows 11即将替代Windows 10成为玩家使用最多的操作系统。 从数据来看，自今年3月份以来，Windows 11份额一路上涨，从43.05%提升至如今的48.26%。反之，Windows 10份额持续下跌，从56.28%持续下滑至51.15%。按照这个趋势，不出意外的话，到7月份结束，Windows 11将超越Windows 10成为Steam第一大操作系统。微软官方已经确认，将于2025年10月14日停止对Windows 10的服务支持。Canalys统计数据显示，届时将有2.4亿台设备将因与Windows 11操作系统不兼容而沦为电子垃圾。今年4月，微软开始向不符合升级Windows 11资格的Windows 10电脑用户推送全屏弹窗提醒。微软首先感谢了Windows 10用户的忠诚度，但同时强调“您的电脑没有资格升级到Windows 11”“Windows 10将于2025年10月14日结束支持”。此外，微软还鼓励这些用户用户详细了解如何过渡到新的Windows 11 电脑。值得注意的是，该弹窗提醒没有“不再显示”的按钮，只有“晚些提醒我”和“了解更多”。 原文：https://m.cnbeta.com.tw/view/1437356.htm

微软称 Windows 11 24H2 将解决用户诟病已久的动画卡顿问题

摘要：微软正试图修补 Windows 11 潜在的性能问题，包括一个可能导致部分用户在与"任务视图"等功能交互时出现卡顿的错误。Windows 11 版本 24H2 将于 9 月或 10 月推出，但目前仍处于开发阶段，这意味着它还存在一些缺陷。 Windows 11 的卡顿 Bug 已经存在一段时间了，而且随着更新的进行，情况越来越糟。事实证明，微软已经注意到了这些报告，并开发了一个修复程序，现在正向 Release Preview 频道的测试人员推出。在微软反馈中心帖子中，任务视图预览和某些动画效果不佳，出现冻结、粘连或无法打开的情况。这个问题已经被用户标记了好几次，微软通过 Windows 11 Build 26227 提供了初步修复，该版本仅提供给 Canary 频道的测试者。微软现已确认，通过 Release Preview Channel 中的 Build 26100.994 (KB5039304)，该修复程序现已适用于 Windows 11 24H2 版本。微软在一份支持文档中指出："此更新解决了一个问题，据信这是导致某些 Insiders 最近发现某些动画出现卡顿（掉帧）的根本原因。目前，该补丁适用于 Windows 11 24H2，但在旧版本中也发现了该问题。"在某些电脑上，尤其是使用英特尔处理器的电脑上，Windows 11 的动画可能会变得缓慢、有漏洞和卡顿。除了修复任务栏和任务视图卡顿问题外，微软还改进了快速设置界面的性能。在 Windows 11 24H2 之后，您会发现"快速设置"的打开速度会更快，而且不会像 Windows 11 23H2 或更早版本那样卡顿。微软还为快速设置界面开启了分页滚动功能。整体功能保持不变，这意味着仍然可以自定义快速设置。另一个变化是当拖动列表时可以刷新 Wi-Fi 列表。这些更改将于 9 月/10 月开始向所有安装 Windows 11 24H2 的用户推出。 原文：https://m.cnbeta.com.tw/view/1437354.htm

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