研发实验室内部：技术堆栈

虽然我们的创新中心讨论我们实验室的愿景，本页重点讨论技术基础设施这使得我们的研究成为可能。我们位于纽约的实验室拥有最专业的高性能计算环境之一，致力于生成文档工程。

1. 推理堆栈

我们相信“以思维的速度进行设计”。为了实现这一目标，我们的实验室开发了一个专有的推理堆栈：

基于铁锈的核心：我们的模型包装器和 OOXML 生成逻辑是用 Rust 编写的，以实现最大的内存安全性和性能。

自定义 CUDA 内核：我们专门针对布局模型中使用的“空间注意力”机制优化了 GPU 内核。

量化研究：我们是设计模型 INT8 和 FP8 量化的先驱，使我们能够以传统计算成本的一小部分运行高保真布局引擎。

2. 研究硬件

我们的实验室由定制的 GPU 集群提供支持，该集群针对“突发推理”而非传统训练进行了优化：

NVIDIA H100 集群：通过高速 InfiniBand 互连，实现低延迟多 GPU 处理。

液冷节点：定制冷却解决方案使我们能够在大规模压力测试中保持最佳性能。

边缘模拟器实验室：专用环境使我们能够测试我们的模型在从高端 Mac Pro 到连接 5G 的智能手机等各种设备上的表现。

3. 内部研究工具

我们构建了一套内部工具来加速我们的研究周期：

《织布机》：一种内部可视化工具，允许研究人员在模型生成幻灯片时“查看”模型的注意力权重。

审美自动评分器：经过数百万设计模式训练的神经网络，为每个实验提供客观的“设计质量”分数。

OOXML 差异引擎：一种专用工具，甚至可以检测生成的 PPTX 文件的两个版本之间的 1 像素漂移。

4. 安全与隔离

研究可能很混乱，但安全至关重要。

-气隙研究舱：新的实验模型在集成到我们的生产中之前在隔离环境中开发基础设施.

综合数据生成：我们使用先进的合成数据生成器来训练我们的模型，确保零真实世界的客户数据进入我们的研究环境。

5. 实验室到生产（L2P）

我们维持严格的“L2P”管道。每一项技术突破都必须经过：

沙盒：实验室内的本地测试。

阿尔法星团：使用内部虚拟帐户进行测试。

贝塔波：对选定的企业合作伙伴选择加入测试。

要了解该团队的最新突破，请访问创新中心.