Geekbench ML 0.6 预览版可直接将 Mac 与 iPhone 进行比较

Geekbench ML 0.6 的新预览版为更多平台带来了机器学习基准测试工具，macOS 首次与 iOS 一起被列入其中。

Geekbench ML 由标准 Geekbench 基准套件的创建者推出，旨在为用户提供一份指南，帮助他们了解硬件执行机器学习任务的速度。这些任务包括自然语言处理和计算机视觉等，使用机器学习硬件比使用普通 CPU 或 GPU 效果更好。

Geekbench ML 的早期版本已经支持 iOS 和 Android，而最新迭代的 Geekbench ML 0.6 版本现在可以在更多平台上运行，同时还做了其他改动。这些平台包括 Windows、Linux 和 macOS。

Geekbench ML 可从公司的下载页面而非 Mac App Store 下载，现在苹果生态系统的用户可以将他们的 Apple Silicon Mac 与 iPhone 进行比较，因为两者都使用了苹果的神经引擎。由于 GeekBench 声称在所有支持的平台上使用相同的模型和数据集，因此也可以进行直接比较。

Geekbench ML 0.6 中使用的框架也在此版本中进行了更新，团队全面支持更新更好的框架。对于 Mac 和 iOS，它直接使用 Core ML，据说这 "更好地反映了现代应用程序的用例"。

新的和改进的工作负载

0.6 版的任务变化包括三个全新的元素。

深度估计测试旨在测试计算摄影的进步，特别是软件辅助的肖像模式效果。Geekbench 写道："一个模型会生成一幅图像，其中 "映射出每个像素对应的原始图像中该位置的深度估计值"。

软件特效使用这类数据进行更改，如背景模糊或隔离主体。

风格转移工作负载对生成式人工智能进行了试验，举例来说，一款应用程序会生成一张人物照片，就好像是某位艺术家画的一样。该模型需要一张内容图像和一张风格参考图像，将它们混合后创建一个修改后的版本。

图像超分辨率是一项常见的人工智能图像增强任务，即放大图像并使用人工智能创建适当的填充像素。对于 Geekbench ML，该测试将图像增强并放大四倍，从而提高分辨率并推断出原始图像中被遮挡的细节。

Geekbench 还改进了量化模型，从 "量化感知训练"（Quantization Aware Training）改为 "训练后整数量化"（Post-Training Integer Quantization）。据称，新模型可以提高性能和准确性，并反映出 ML 新的行业标准。

由于测试的变化，Geekbench ML 0.6 的结果不能与 Geekbench ML 0.5 的结果进行比较。最终的 1.0 版本预计将于 2024 年发布。