09:55IT之家(博客/媒体)精选UNIST 提出 V-Die 方案将 DRAM 侧立放置,在 GPT-3 工作负载中达 540 tokens/s,比 HBM4 的 296 tokens/s 高 82.43%。该方案底边连接间距 20 微米,连接数量达 HBM4 的 4 倍,内存读取时间下降 37%。首 Token 时延降低 32% 至约 24 ms,液冷将堆叠温度维持在 45°C。东京大学 MOSAIC 方案采用正交堆叠与感应线圈互连,接口速率 4 Gbps/通道,容量可达 HBM4 级 2 倍;bump-MOSAIC 热导率达传统堆叠 3 倍,容量额外增加 30%。论文V-DieMOSAICHBM4UNIST东京大学推荐理由:V-Die 和 MOSAIC 通过侧立 DRAM 解决散热,吞吐比 HBM4 提升 82%,时延降低 32%,AI 内存瓶颈有望突破。原文
09:25官方一手arXiv: DeepSeek@Jingkun Luo, Yifan Sun, Da-Tian Peng, Guanxiong PeiSenFlow将混合文档中的句子级AI文本检测重构为结构化预测问题,在图传播与线性链CRF基础上实现整文档级联合解码。MOSAIC基准包含16,000篇混合文档,由DeepSeek-V3.2和Kimi K2生成,并引入困惑度一致性过滤。在跨域迁移最难协议下,SenFlow平均Macro-F1比现有方法高出4.15个百分点。研究还发现,即使经困惑度过滤后,AI插入的句子长度仍存在生成器依赖的差距。论文SenFlowMOSAICDeepSeek-V3.2Kimi K2AI生成文本检测2 个信源在谈推荐理由:这篇论文用SenFlow模型做混合人机文本检测,在MOSAIC基准上比现有方法高出4个多点的F1分数,还发现AI句子有长度特征。原文