Futhark 0.25.27版本发布:函数式数组语言的重要更新
Futhark是一个开源的函数式数据并行数组编程语言,专为高性能计算而设计。它允许开发者编写简洁的并行算法,然后编译为高效的GPU或CPU代码。Futhark特别适合科学计算、机器学习和数值模拟等领域,通过自动并行化和优化技术,让开发者可以专注于算法本身而非底层实现细节。
在最新发布的0.25.27版本中,Futhark团队带来了一系列改进和错误修复,进一步提升了语言的稳定性和功能性。让我们深入了解一下这次更新的技术细节。
自动微分功能的增强
本次更新对scan操作的逆向模式自动微分(AD)进行了显著改进,特别是针对复杂运算符的处理。这一工作由Peter Adema和Sophus Valentin Willumsgaard完成。自动微分是现代机器学习框架的核心技术,Futhark通过增强scan操作的AD支持,使得基于循环和扫描操作的机器学习模型能够更高效地进行梯度计算。
值得注意的是,团队还修复了x**y(x的y次方)在x等于0时的自动微分问题。这类边界条件的正确处理对于数值稳定性和数学正确性至关重要,特别是在训练深度神经网络时可能遇到的各种数值情况下。
编译器优化与错误修复
在编译器优化方面,0.25.27版本修复了一个可能导致编译器崩溃的"sink"优化传递错误。Sink优化是一种常见的编译器技术,它试图将计算移动到使用它们的地方,以减少寄存器压力和内存访问。这类底层优化的稳定性直接影响着编译过程的可靠性。
此外,版本还修正了一个过于激进的浮点数简化规则。编译器优化虽然重要,但过度优化有时会改变程序的数值行为,特别是在浮点运算这种对顺序敏感的操作中。团队通过调整这一规则,在性能和数值精度之间取得了更好的平衡。
语言特性与工具改进
在语言层面,本次更新修复了模块依赖的大小表达式在类型缩写中的处理问题。Futhark的尺寸类型系统是其一大特色,它允许在编译时捕获和验证数组维度信息,这类修复使得类型系统更加健壮。
对于let绑定的尺寸变量,之前存在一个作用域处理错误,导致尺寸变量错误地出现在绑定表达式的作用域中。这种作用域规则的精确处理对于保证程序的正确性至关重要。
在开发工具方面,futhark eval命令现在能更正确地处理.fut文件中的错误,不再显示误导性的"file not found"信息。同时,futhark fmt格式化工具现在能在解析错误中显示正确的文件名,提高了开发体验。
兼容性更新
新版本还解决了与较新版本ispc编译器的兼容性问题。ISPC是Intel的SPMD编程语言,Futhark与其的兼容性保证了在Intel平台上的良好运行表现。
总体而言,Futhark 0.25.27版本虽然没有引入重大新特性,但在自动微分、编译器优化、语言特性和工具链等方面进行了多项质量改进,进一步提升了这个函数式数据并行语言的稳定性和可靠性。对于科学计算和高性能计算领域的开发者而言,这些改进使得Futhark成为一个更加成熟和可信赖的选择。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00